針對(duì)土地利用分類中高空間分辨率遙感圖像已標(biāo)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(duì)多個(gè)卷積層特征進(jìn)行多尺度自適應(yīng)融合,降低地物形變對(duì)分類精度造成的影響。為進(jìn)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(duì)多尺度特征融合部分和全連接層進(jìn)行預(yù)訓(xùn)練,采用增廣數(shù)據(jù)集對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行微調(diào)。實(shí)驗(yàn)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(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖1 TL-MFF模型

由于計(jì)算資源和遙感場(chǎng)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(jiǎn)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(jìn)行場(chǎng)景分類。在ImageNet上預(yù)訓(xùn)練的CNNs模型具有較強(qiáng)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(qiáng)的低....

圖2 飛機(jī)和儲(chǔ)罐場(chǎng)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(duì)卷積層conv1和conv6進(jìn)行融合，先將這兩層輸出的特征向量進(jìn)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(gè)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(jī)和儲(chǔ)罐場(chǎng)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(hào)：4018339