耦合多源地理数据的多分辨率遥感影像场景分类方法研究

范 鑫，胡昌苗，霍连志

(1.中国科学院空天信息创新研究院，北京 100094；2.中国科学院大学 电子电气与通信工程学院，北京 100049)

0 引言

随着卫星传感器的迅速发展，获取大量不同空间分辨率的遥感影像已经非常容易，不同分辨率的遥感影像可以广泛服务于数字国土、智慧城市、环境监测和城市规划等应用场景[1]。与低分辨率遥感影像相比，高分辨率遥感影像具有更丰富的细节信息，可以清晰地表达地物的结构和空间分布特征，蕴含着明确的场景语义信息[2]。然而，在高分辨率遥感影像中，地物种类复杂繁多，同一地物的不同空间分布也会使其场景类别发生变化，因而难以根据底层特征获取高层语义信息，其结果是出现了语义鸿沟[3]。

为了跨越语义鸿沟，遥感影像场景分类已经成为遥感领域近年来的研究热点，也是该领域最有挑战性的课题之一[4]。遥感影像场景分类可以分为基于底层特征、基于中层特征和基于深度学习特征的3类方法。早期关于遥感影像场景分类的研究主要基于底层特征提取影像的颜色、纹理、结构等特征，直接描述场景，并借助传统分类器对场景影像进行分类[5]。基于中层特征的场景分类代表方法主要有概率潜在语义分析(PLSA)[6]、潜在Dirichlet分配(LDA)[7]和视觉词袋模型(BoVW)[8]。

近年来深度学习在遥感的诸多领域都取得了不少成就[9]，基于深度学习的遥感影像场景分类研究也越来越受到相关学者的广泛关注。基于深度学习的遥感影像场景分类方法主要可分为从头开始训练[10]、迁移学习参数微调[11]和迁移学习特征提取[12]3类。……