文献类型：期刊文章

作　　者：曲景影[1] 孙显[1] 高鑫[1]

机构地区：[1]中国科学院电子学研究所空间信息处理与应用系统技术重点实验室,北京100190

出　　处：《国外电子测量技术》

基　　金：国家自然科学基金(41501485)项目资助

年　　份：2016

卷　　号：35

期　　号：8

起止页码：45-50

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：遥感图像目标识别作为当前遥感图像应用领域中的主要研究内容,具有重要的理论意义和广泛的应用价值。近年来,深度学习成为机器学习领域的一个新兴研究方向,卷积神经网络(convolutional neural networks,CNN)是一种得到广泛研究与应用的深度学习模型。提出一种基于CNN模型的光学遥感图像目标识别方法,在传统LeNet-5网络结构的基础上,引入ReLU激活函数代替传统的Sigmoid函数和tanh函数,使用卷积展开技术将卷积运算转换为矩阵乘法,并对网络结构进行调整优化,提高目标识别的准确性和效率。利用Quick Bird上的0.6m分辨率的遥感图像进行验证,实验结果表明,基于改进的CNN模型的方法可以取得较高的目标识别准确率和效率。

关 键 词：遥感图像 卷积神经网络  激活函数 卷积展开  目标识别

分 类 号：TP391] TN911.73[计算机类]