基于深度学习特征融合的遥感图像场景分类应用

来源：南京信息工程大学学报·自然科学版杂志2023年第3期北京时间：

作者：王李祺，张成，侯宇超，谭秀辉，程蓉，高翔，白艳萍

单位：王李祺,中北大学 数学学院, 太原, 030051,张成,中北大学 数学学院, 太原, 030051,侯宇超,中北大学 信息与通讯工程学院, 太原, 030051,谭秀辉,中北大学 数学学院, 太原, 030051,程蓉,中北大学 数学学院, 太原, 030051,高翔,中北大学 数学学院, 太原, 030051,白艳萍,中北大学 数学学院, 太原, 030051;中北大学 信息与通讯工程学院, 太原, 030051,baiyp666@163.comis_first_author:0,is_contact_author:,sequence:7,first_name:,middle_name:,last_name:,resume:,institute_superscript:

摘要：针对传统手工特征方法无法有效提取整体图像深层信息的问题，本文提出一种基于深度学习特征融合的场景分类新方法.利用灰度共生矩阵（GLCM）和局部二值模式（LBP）提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息；通过基于AlexNet迁移学习网络提取图像的深层信息，在去除最后一层全连接层的同时加入一层256维的全连接层作为特征输出；将两种特征进行自适应融合，最终输入到网格搜索算法优化的支持向量机（GS-SVM）中对遥感图像进行场景分类识别.在公开数据集UC Merced的21类目标数据和RSSCN7的7类目标数据的实验结果表明，5次实验的平均准确率分别达94.77%和93.79%.该方法可有效提升遥感图像场景的分类精度.

关键词：图像分类;卷积神经网络;灰度共生矩阵;局部二值模式;迁移学习;支持向量机

基金资助：国家自然科学基金（61774137）；山西省基础研究计划（202103021224195，202103021224212，202103021223189，20210302123019）；山西省留学回国人员科研项目（2020-104，2021-108）