高分辨率遙感圖像(HRRS)的分類是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。針對(duì)遙感數(shù)據(jù)集圖像本身的語(yǔ)義特性,提出一種對(duì)數(shù)據(jù)集圖像進(jìn)行隨機(jī)子圖像提取并帶有金字塔池化模型的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)。對(duì)輸入圖像的尺寸進(jìn)行基于柯西分布的隨機(jī)尺寸剪切,將這些尺寸不同但是標(biāo)簽相同的子圖像送進(jìn)帶有SPP(空間金字塔池化)的卷積神經(jīng)網(wǎng)絡(luò),將子圖像的預(yù)測(cè)類別眾數(shù)作為最終分類輸出。實(shí)驗(yàn)結(jié)果表明該方法對(duì)多類遙感圖像的分類精度有一定提升。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 引言
2 分類框架及技術(shù)
    2.1 基于柯西分布的子圖像隨機(jī)剪切
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 空間金字塔池化
3 實(shí)驗(yàn)
    3.1 數(shù)據(jù)集描述
    3.2 圖像預(yù)處理
    3.3 模型結(jié)構(gòu)參數(shù)設(shè)置
    3.4 評(píng)價(jià)指標(biāo)
    3.5 實(shí)驗(yàn)結(jié)果分析
4 結(jié)束語(yǔ)



本文編號(hào)：3738176