基于多路卷积神经网络的多光谱场景识别方法

作     者：江泽涛 秦嘉奇 胡硕 JIANG Ze-tao;QIN Jia-qi;HU Shuo

作者机构：桂林电子科技大学广西图像图形智能处理高校重点实验室广西桂林541004 桂林电子科技大学广西可信软件重点实验室广西桂林541004 南昌航空大学南昌330063 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2019年第46卷第9期

页      面：265-270页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(61572147) 广西科技计划项目(AC16380108) 广西图像图形智能处理重点实验室项目(GIIP201701) 广西研究生教育创新计划资助项目(2018YJCX46) 江西省自然科学基金资助项目(20171BAB212015)资助 

主　　题：多光谱 卷积神经网络 图像分类 场景识别 

摘      要：现有的基于卷积神经网络的场景识别算法无法处理目标场景图形是多光谱图像的情况,在数据量较小的情况下,该算法的识别率不高。针对以上问题,提出一种基于多路卷积神经网络的多光谱场景识别方法。多路卷积神经网络接受三通道可见光彩色图像(RGB图像)以及单通道的近红外图像(NIR图像)共四通道输入。所提方法能够有效提取可见光图像特征、红外光图像特征以及可见光和红外光图像之间的关联特征,并将特征在全连接层进行融合,合理利用了各个光谱图像之间的相关信息,并通过结合预训练的方法来提高识别精度。在NIR_RGB数据集上的实验表明,与AlexNet、InceptionNet、ResNet以及人工设计特征描述子方法相比,该网络的平均识别率较高。并且,对此网络稍加改动,就能将其推广到其他多光谱图像分类任务中。