文献类型：期刊文章

作　　者：张晓男[1,2] 钟兴[1,3] 朱瑞飞[1,3] 高放[3] 张作省[1,2] 鲍松泽[1,2] 李竺强[3]

Zhang Xiaonan;Zhong Xing;Zhu Ruifei;Gao Fang;Zhang Zuoxing;Bao Songze;Li Zhuqiang(Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun,Jilin 130033,China;University of Chinese Academy of Sciences,Beijing 100049,China;Key Laboratory of Satellite Remote Sensing Application Technology of Jilin Province Chang Guang Satellite Technology Co.,Ltd,Changchun,Jilin 130102,China)

机构地区：[1]中国科学院长春光学精密机械与物理研究所,吉林长春130033 [2]中国科学院大学,北京100049 [3]长光卫星技术有限公司吉林省卫星遥感应用技术重点实验室,吉林长春130102

出　　处：《光学学报》

基　　金：国家自然科学基金青年基金(61505203)

年　　份：2018

卷　　号：38

期　　号：11

起止页码：342-352

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：提出了一种基于集成卷积神经网络(CNN)的遥感影像场景分类算法。通过构建反向传播网络实现了场景图像的复杂度度量;根据图像的复杂度级别,选择CNN对图像进行分类,完成了遥感影像的场景分类。使用所提出的算法对NWPU-RESISC45公开数据集进行了实验验证,取得了89.33%(第一类实验)和92.53%(第二类实验)的分类准确率,平均运行时间为0.41 s。相比于精调训练的VGG-16模型,所提算法的分类准确率分别提升了2.19%和2.17%,预测速率提升了33%,证明了其有效性和实用性。

关 键 词：遥感 卷积神经网络 图像复杂度 场景分类  

分 类 号：TP753]