小样本的多模态遥感影像高层特征融合分类

作     者：贺琪 李瑶 宋巍 黄冬梅 何盛琪 杜艳玲 He Qi;Li Yao;Song Wei;Huang Dongmei;He Shengqi;Du Yanling

作者机构：上海海洋大学信息学院上海201306 上海电力大学上海200090 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2019年第56卷第11期

页      面：109-115页

核心收录：

学科分类：08[工学] 081201[工学-计算机系统结构] 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(41671431) 海洋大数据分析预报技术研发预报技术研发基金(2016YFC1401902) 上海市科委部分地方院校能力建设项目(17050501900) 

主　　题：图像处理 深度学习 高层特征融合 多模态遥感影像 小样本 

摘      要：在使用深度学习模型研究遥感影像地物分类问题时,某些地物的遥感影像可用于训练的样本很少。同时,多样化的遥感影像获取方式产生了大量不同空间分辨率的多模态遥感影像。融合这些多模态遥感影像,弥补样本量少导致分类精度低的缺陷,是小样本的遥感影像高精度分类领域中亟待解决的问题。针对上述问题,提出了考虑两种空间分辨率遥感影像相关关系的融合分类方法。首先,使用两个并行的深度学习网络分别提取两种空间分辨率影像的高层特征;其次,将提取到的高层特征通过融合方法进行融合;最后,得到融合后的高层特征作为输入,训练整个融合分类模型。实验表明,不同融合策略的分类精度不同,本文提出的基于高层特征级别的融合策略可以有效提高分类精度。