资源描述：
《基于深度学习的高分辨率遥感影像分类研究_刘大伟》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、光学学报第36卷第4期Vol.36,No.42016年4月ACTAOPTICASINICAApril,2016基于深度学习的高分辨率遥感影像分类研究1,211刘大伟韩玲韩晓勇1长安大学地测学院,陕西西安7100542武警工程大学信息工程系,陕西西安710086摘要针对高空间分辨率遥感影像的分类问题，提出了基于深度学习的分类方法。该方法通过非下采样轮廓波变换计算影像的纹理特征，利用深度学习的常用模型—深度信念网络(DBN)对高分辨率遥感影像进行了基于光谱-纹理特征的分类，并与基于单源光谱信息的DBN分类方
2、法、支持向量机(SVM)分类方法、传统神经网络(NN)分类方法进行了比较分析。研究结果表明：相对于单源光谱信息，利用影像的光谱-纹理特征能够有效提高高分辨率遥感影像的分类精度；相对于SVM、NN等分类方法，DBN能够更加准确地挖掘高分辨率遥感影像的空间分布规律，提高分类的准确度。关键词遥感;深度学习;深度信念网络;高空间分辨率;遥感影像分类;非下采样轮廓波变换;纹理中图分类号TP751.1文献标识码Adoi:10.3788/AOS201636.0428001HighSpatialResolutionRe
3、moteSensingImageClassificationBasedonDeepLearningLiuDawei1,2HanLing1HanXiaoyong11SchoolofGeologyEngineeringandGeomatics,Chang′anUniversity,Xi′an,Shaanxi710054,China2DepartmentofInformationEngineering,ArmedPoliceEngineeringUniversity,Xi′an,Shaanxi710086,C
4、hinaAbstractAclassificationmethodbasedondeeplearningisproposedfortheclassificationofhighspatialresolutionremotesensingimages.Thetexturefeaturesoftheimagesarecalculatedthroughnonsubsampledcontourlettransform,thedeeplearningcommonmodel-deepbeliefnetworks(D
5、BN)areusedtoclassifythehighspatialresolutionremotesensingimagesbasedonspectralandtexturefeatures.TheproposedmethodiscomparedwiththeDBNclassificationmethodbasedonsinglespectralinformation,thesupportvectormachine(SVM)methodandthetraditionalneuralnetwork(NN
6、)classificationmethod.Experimentalresultsshowthatcomparingwiththesinglespectralinformation,theuseofspectralandtextureinformationcaneffectivelyimprovetheclassificationaccuracyofhighspatialresolutionremotesensingimages,andcomparingwithmethodsofSVMandNN,the
7、DBNmethodcanaccuratelyexplorethedistributionlawofthehighspatialresolutionremotesensingimagesandimprovetheaccuracyofclassification.Keywordsremotesensing;deeplearning;deepbeliefnetworks;highspatialresolution;remotesensingimageclassification;nonsubsampledco
8、ntourlettransform;textureOCIScodes280.4750;100.2960;100.5010;110.69801引言随着遥感技术的不断进步，可以获得的遥感影像的空间分辨率也越来越高。在高分辨率的影像上，地物的光谱特征更加丰富，同类地物内的光谱差异增大，类间的光谱差异减少，同物异谱及同谱异物现象更加收稿日期:2015-09-21;收到修改稿日期:2015-12-04基金项目:国家自然科学基金(41171224，41
