文献类型：期刊文章

作　　者：王嘉楠[1] 高越[1] 史骏[2] 刘子琦[1]

WANG Jianan;GAO Yue;SHI Jun;LIU Ziqi(Space Star Technology Co.,Ltd.,Beijing 100095,China;School of Software,Hefei University of Technology,Hefei 230601,China)

机构地区：[1]航天恒星科技有限公司,北京100095 [2]合肥工业大学软件学院,合肥230601

出　　处：《光子学报》

基　　金：安徽省自然科学基金(No.1908085MF210)。

年　　份：2021

卷　　号：50

期　　号：11

起止页码：306-313

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：当前基于卷积神经网络的光学遥感图像场景分类方法大多是全局特征学习,忽略了场景局部特征,从而难以较好地解决类内差异大和类间相似性高的问题,因此,提出一种基于视觉转换器和图卷积网络双分支结构的光学遥感图像场景分类方法。该方法首先对场景图像进行分块,再利用位置编码和视觉转换器进行特征编码,从而挖掘图像内部的长距离依赖关系。另一方面,对遥感图像进行超像素分割,将每个超像素对应的卷积神经网络特征进行池化处理并作为图结构中的结点,利用图卷积网络对场景内部图结构进行建模,感知场景内部的空间拓扑关系。最终融合两个分支产生的特征形成场景内容的最终特征表示并用于分类。在光学遥感图像数据集上的实验验证了所提方法在遥感场景分类中的有效性。

关 键 词：遥感 场景分类  卷积神经网络  视觉转换器  图卷积网络  

分 类 号：TP391]