針對土地利用分類中高空間分辨率遙感圖像已標注樣本少和傳感器高度變化導(dǎo)致地物形變等問題,提出一種基于多尺度特征融合的土地利用分類算法。通過對多個卷積層特征進行多尺度自適應(yīng)融合,降低地物形變對分類精度造成的影響。為進一步提高分類精度,利用預(yù)訓(xùn)練網(wǎng)絡(luò)提取的深度特征對多尺度特征融合部分和全連接層進行預(yù)訓(xùn)練,采用增廣數(shù)據(jù)集對整個網(wǎng)絡(luò)進行微調(diào)。實驗結(jié)果表明,自適應(yīng)融合方法改善了融合效果,有效提高了土地利用分類的精度。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1 TL-MFF模型

由于計算資源和遙感場景小樣本數(shù)據(jù)的限制，大型卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程容易導(dǎo)致過擬合。一種簡單可行的解決方法是利用基于ImageNet[14]的預(yù)訓(xùn)練CNNs提取圖像特征進行場景分類。在ImageNet上預(yù)訓(xùn)練的CNNs模型具有較強的泛化能力，且光學(xué)遙感圖像與通用光學(xué)圖像具有很強的低....

圖2 飛機和儲罐場景中物體的尺度變化

多尺度特征融合部分的方法如圖4所示，這里省略其它卷積層與全連接層。對卷積層conv1和conv6進行融合，先將這兩層輸出的特征向量進行金字塔池化，將輸出的一維特征分別用SF1和SF2表示，然后兩個特征分別乘以λ1和λ2，再將它們連接起來構(gòu)成最終的特征融合向量輸入到全連接層FC。融....

圖3 金字塔池化結(jié)構(gòu)

圖2飛機和儲罐場景中物體的尺度變化圖4多尺度特征融合結(jié)構(gòu)

圖4 多尺度特征融合結(jié)構(gòu)

圖3金字塔池化結(jié)構(gòu)1.3TL-MFF模型訓(xùn)練步驟

本文編號：4018339