文献类型：期刊文章

作　　者：周敏[1] 史振威[1] 丁火平[2]

机构地区：[1]北京航空航天大学宇航学院图像中心,北京100191 [2]航天恒星科技有限公司,北京100086

出　　处：《中国图象图形学报》

基　　金：国家自然科学基金项目(61671037);中国航天科技集团公司科技创新研发项目~~

年　　份：2017

卷　　号：22

期　　号：5

起止页码：702-708

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目的遥感图像飞机目标分类,利用可见光遥感图像对飞机类型进行有效区分,对提供军事作战信息有重要意义。针对该问题,目前存在一些传统机器学习方法,但这些方法需人工提取特征,且难以适应真实遥感图像的复杂背景。近年来,深度卷积神经网络方法兴起,网络能自动学习图像特征且泛化能力强,在计算机视觉各领域应用广泛。但深度卷积神经网络在遥感图像飞机分类问题上应用少见。本文旨在将深度卷积神经网络应用于遥感图像飞机目标分类问题。方法在缺乏公开数据集的情况下,收集了真实可见光遥感图像中的8种飞机数据,按大致4∶1的比例分为训练集和测试集,并对训练集进行合理扩充。然后针对遥感图像与飞机分类的特殊性,结合深度学习卷积神经网络相关理论,有的放矢地设计了一个5层卷积神经网络。结果首先,在逐步扩充的训练集上分别训练该卷积神经网络,并分别用同一测试集进行测试,实验表明训练集扩充有利于网络训练,测试准确率从72.4%提升至97.2%。在扩充后训练集上,分别对经典传统机器学习方法、经典卷积神经网络Le Net-5和本文设计的卷积神经网络进行训练,并在同一测试集上测试,实验表明该卷积神经网络的分类准确率高于其他两种方法,最终能在测试集上达到97.2%的准确率,其余两者准确率分别为82.3%、88.7%。结论在少见使用深度卷积神经网络的遥感图像飞机目标分类问题上,本文设计了一个5层卷积神经网络加以应用。实验结果表明,该网络能适应图像场景,自动学习特征,分类效果良好。

关 键 词：可见光遥感 飞机 分类  深度学习  卷积神经网络

分 类 号：TP391.4]