基于深度学习的场景遥感图像分类方法研究

汪晓洲，石翠萍，杨焜，王权

基于深度学习的场景遥感图像分类方法研究

汪晓洲，石翠萍＊，杨焜，王权

（齐齐哈尔大学 通信与电子工程学院，黑龙江 齐齐哈尔 161006）

：为了解决场景遥感图像通常分类性能较差、分类精度不高的问题，提出一种基于改进VGG16的场景遥感图像分类方法。针对传统VGG16模型参数量庞大的问题，对通道数以及参数量进行缩减。在算法运行过程中对数据进行正则化处理，并在分类方法中加入注意力机制。通过将注意力机制与CNN模型进行结合，并对两者进行端到端的训练，提高了模型的分类性能。在不同的分类与检测数据集上进行测试，实验结果表明，在相同的参数设置下，提出的方法能明显提高对场景遥感图像分类的性能。

深度学习；卷积神经网络；图像分类；场景遥感图像

近年来，随着航空遥感领域和卫星遥感领域技术的日渐增长，领域内应用的遥感图像分辨率也逐步提升，工作人员们可以从中提取到更精确以及更有效的图像信息。遥感图像与人们日常生活中所拍摄的照片相类似，都是一种可以从图像中获取有效信息的信息载体。通过遥感图像，可以辨别出很多地物信息，如水体、植被、土地、山地等。也可以从高分辨率遥感图像上辨别出较小的物体，如树、人、交通路口，甚至是篮球场内的中场标志线。与此同时，遥感影像分类随着时代的发展受到了广泛关注，越来越多的民用场合需要用到相应的遥感图像，如城市规划、自然灾害监测、地理图像检索等。……