文献类型：期刊文章

作　　者：付秀丽[1] 黎玲萍[1,2] 毛克彪[3,4,5] 谭雪兰[4] 李建军[5] 孙旭[6] 左志远[3]

机构地区：[1]北京石油化工学院信息工程学院,北京102617 [2]北京化工大学信息科学与技术学院,北京100029 [3]中国农业科学院农业资源与农业区划研究所呼伦贝尔草原生态系统国家野外科学观测研究站,北京100081 [4]湖南农业大学资源环境学院,长沙410128 [5]中南林业科技大学计算机与信息工程学院,长沙410004 [6]东北农业大学文法学院,哈尔滨150030

出　　处：《高技术通讯》

基　　金：国家自然科学基金(41571427);国家重点研发计划重点专项(2016YFC0500203);北京市属高校拔尖人才(CIT&TCD201504047);北京市教委科研计划(KM201410017008)资助项目

年　　份：2017

卷　　号：27

期　　号：3

起止页码：203-212

语　　种：中文

收录情况：BDHX、BDHX2014、核心刊

摘　　要：研究了遥感图像的分类,针对遥感图像的支持向量机(SVM)等浅层结构分类模型特征提取困难、分类精度不理想等问题,设计了一种卷积神经网络(CNN)模型,该模型包含输入层、卷积层、全连接层以及输出层,采用Soft Max分类器进行分类。选取2010年6月6日Landsat TM5富锦市遥感图像为数据源进行了分类实验,实验表明该模型采用多层卷积池化层能够有效地提取非线性、不变的地物特征,有利于图像分类和目标检测。针对所选取的影像,该模型分类精度达到94.57%,比支持向量机分类精度提高了5%,在遥感图像分类中具有更大的优势。

关 键 词：卷积神经网络(CNN)  模型  支持向量机(SVM)  特征提取  遥感图像分类

分 类 号：TP183] TP751]