基于空间特征重标定网络的遥感图像场景分类

来源：计算机工程杂志2020年第1期北京时间：

作者：刘燕芝, 陈立福, 崔先亮, 袁志辉, 邢学敏

单位：长沙理工大学 a. 电气与信息工程学院;b. 交通运输工程学院, 长沙 410114

摘要：为充分利用遥感图像的场景信息，提高场景分类的正确率，提出一种基于空间特征重标定网络的场景分类方法。采用多尺度全向高斯导数滤波器获取遥感图像的空间特征，通过引入可分离卷积与附加动量法构建特征重标定网络，利用全连接层形成的瓶颈结构学习特征通道间的相关性，对多尺度空间特征进行权重筛选以实现特征重标定，并结合卷积神经网络训练得到最终的分类结果。实验结果表明，该方法在UCM_LandUse与机载SAR图像数据上的分类正确率分别达到94.76%和95.38%，与MNCC、MS-DCNN、PCA-CNN等算法相比，其遥感图像分类精度与泛化能力显著提升。

关键词：遥感图像,场景分类,多尺度空间特征,特征重标定,卷积神经网络

基金资助：国家自然科学基金青年基金（61701047，41701536）；湖南省教育厅优秀青年项目（16B004）；湖南省研究生科研创新项目（CX2017B479）。