基于卷積神經網絡的遙感影像地表覆蓋分類

作者：朱宏,張艷,王歡

摘要：遙感影像地表覆蓋分類是地理國情監測和地理信息資源建設中至關重要的環節,利用卷積神經網絡對遙感影像進行特征提取和分類,具有十分重要的科研和應用價值。為提高遙感影像的地表覆蓋分類精度,在深度卷積神經網絡VGGNet的基礎上,采用SeLU函數作為激活函數,并將激活函數中的λ、α作為訓練參數,得到改進的VGGNet,用逐層貪婪算法對網絡參數初始化,并選擇適當的學習次數利用遷移學習的方法對網絡參數調整,以提高網絡的泛化能力來提取遙感影像各類別的深層特征,從而有效進行地表覆蓋分類。通過GF-1衛星影像的實驗表明本文方法在地表覆蓋分類精度方面的優越性。

發文機構：自然資源部第三航測遙感院

關鍵詞：卷積神經網絡地表覆蓋分類VGGNetSeLU函數遷移學習網絡訓練convolutional neural networkland cover classificationVGGNetSeLU functiontransfer learningnetwork training

分類號： P237[天文地球—攝影測量與遙感]