文献类型：期刊文章

作　　者：刘大伟[1,2] 韩玲[1] 韩晓勇[1]

机构地区：[1]长安大学地测学院,陕西西安710054 [2]武警工程大学信息工程系,陕西西安710086

出　　处：《光学学报》

基　　金：国家自然科学基金(41171224;41301386);中央高校基本科研业务费专项(310826161009)

年　　份：2016

卷　　号：36

期　　号：4

起止页码：298-306

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20161802316789)、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对高空间分辨率遥感影像的分类问题,提出了基于深度学习的分类方法。该方法通过非下采样轮廓波变换计算影像的纹理特征,利用深度学习的常用模型—深度信念网络(DBN)对高分辨率遥感影像进行了基于光谱-纹理特征的分类,并与基于单源光谱信息的DBN分类方法、支持向量机(SVM)分类方法、传统神经网络(NN)分类方法进行了比较分析。研究结果表明:相对于单源光谱信息,利用影像的光谱-纹理特征能够有效提高高分辨率遥感影像的分类精度;相对于SVM、NN等分类方法,DBN能够更加准确地挖掘高分辨率遥感影像的空间分布规律,提高分类的准确度。

关 键 词：遥感 深度学习  深度信念网络  高空间分辨率 遥感影像分类 非下采样轮廓波变换  纹理  

分 类 号：TP751.1]