高分影像场景分类的半监督深度卷积神经网络学习方法

杨秋莲，刘艳飞，丁乐乐，孟凡效

天津市勘察设计院集团有限公司，天津 300000

随着IKONOS、Worldview系列、高分系列、高景一号等高分辨率遥感卫星的成功发射，高分辨率遥感数据已经成为对地精细观测的重要数据来源[1-3]。相较于中低分辨率遥感影像，高分影像呈现出了更丰富的空间细节信息，使得地物目标的精确解译成为可能。目前高分影像的分类基本实现了从基于像素的分类到面向对象的分类转变，极大地提高了分类精度[4-6]。遥感场景是由语义目标以某种空间分布构成的具有高层语义的复杂影像区域。因此即使获得如建筑、道路等精细地物目标识别结果，在获取如工业区、居民区等高层语义方面仍无能为力。为获取高层场景语义信息，如何跨越底层特征与高层场景语义之间存在的“语义鸿沟”，实现高分影像到高层场景语义之间的映射，是当前高分影像分类的一个热点问题[7-10]。

为克服“语义鸿沟”问题，国内外研究学者相继展开了面向高分辨率遥感影像场景分类的方法的研究，目前已经发展出了基于语义目标的场景分类方法[11-12]，基于中层特征的场景分类方法[13-15]和基于深度特征的场景分类方法[16-20]。基于语义目标的场景分类方法构建了一种“自底向上”的场景分类框架，首先对遥感影像进行语义目标提取，然后对语义目标的空间关系进行建模获得最终的场景表达特征，如文献[11]利用弹力直方图统计目标之间的位置关系作为场景表达特征用于分类。……