基于深度学习特征融合的遥感图像场景分类应用

作     者：王李祺 张成 侯宇超 谭秀辉 程蓉 高翔 白艳萍 WANG Liqi;ZHANG Cheng;HOU Yuchao;TAN Xiuhui;CHENG Rong;GAO Xiang;BAI Yanping

作者机构：中北大学数学学院太原030051 中北大学信息与通讯工程学院太原030051 

出 版 物：《南京信息工程大学学报（自然科学版）》 (Journal of Nanjing University of Information Science & Technology（Natural Science Edition）)

年 卷 期：2023年第15卷第3期

页      面：346-356页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61774137) 山西省基础研究计划(202103021224195,202103021224212,202103021223189,20210302123019) 山西省留学回国人员科研项目(2020-104,2021-108) 

主　　题：图像分类 卷积神经网络 灰度共生矩阵 局部二值模式 迁移学习 支持向量机 

摘      要：针对传统手工特征方法无法有效提取整体图像深层信息的问题,本文提出一种基于深度学习特征融合的场景分类新方法.利用灰度共生矩阵(GLCM)和局部二值模式(LBP)提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息;通过基于AlexNet迁移学习网络提取图像的深层信息,在去除最后一层全连接层的同时加入一层256维的全连接层作为特征输出;将两种特征进行自适应融合,最终输入到网格搜索算法优化的支持向量机(GS-SVM)中对遥感图像进行场景分类识别.在公开数据集UC Merced的21类目标数据和RSSCN7的7类目标数据的实验结果表明,5次实验的平均准确率分别达94.77%和93.79%.该方法可有效提升遥感图像场景的分类精度.