面向高分辨率遥感影像场景深度特征的领域自适应方法研究.pdfVIP

摘 要 随着全球对地观测系统的不断发展、完善，地球空间信息的获取已经进入了“三高” （高空间分辨率、高光谱分辨率和髙时间分辨率）和“三多”（多平台、多传感器和多角度） 时代，大量对地观测遥感数据已经成为人类认识理解世界的重要信息来源。遥感影像空间 分辨率的逐步提升，使遥感能够提供复杂的地表结构信息，为地表更高层次语义信息提取 提供了数据源。然而，遥感影像的像素或者超像素仅仅包含地物底层信息，不能对影像高 层语义內容进行描述，导致了传统的“面向像素”和“面向对象”的分类方法无法满足遥 感影像高层次内容解译的需求。在此背景下，“面向场景”的遥感影像分类引起了国内外研 究学者的广泛关注，并成为了遥感领域的研究热点。 近年来，相关学者对基于深度学习的高分辨率遥感影像场景分类方法进行了大量的研 究并取得了突破性的进展。深度学习能够很好的表达遥感场景的语义内容，然而这些监督 学习方法仍受限于一个基本假设：训练数据和测试数据需要服从独立同分布，现实世界中 很难满足这一基本假设，现有的深度学习方法对跨域的数据集不具有鲁棒性，模型泛化能 力较弱。针对上述存在的问题，本文开展了面向高分辨率遥感影像场景深度特征的领域自 适应方法研究，主要工作和贡献如下： （1）提出了面向遥感