| 以下仅列出文章摘要、目录等部分内容，如需获取完整论文资料，或原创定制、长期合作，请随时联系。 微信QQ:312050216 |
 |
 |
| 基于深度学习的遥感图像特征提取及图像识别 摘 要 高分遥感图像是航空器或者卫星拍摄的图像,遥感图像识别和分类有着越来越重要的作用，它在民用、军用方面都有很重要的地位[ ]。在卫星遥感技术发展迅速的今天,人们可以获取的高分遥感图像越来越多，然而在这个大数据时代，人们对高分遥感图像信息的获取需求并不能被传统的分类方法满足。过去的这几年时间内，深度学习发展迅速，成为机器学习领域中必不可缺的部分。卷积神经网络（CNN）作为一个深度学习模型得到广泛应用。所以本文提出一种基于 ＣＮＮ 模型的遥感图像特征提取及分类识别方法。其实研发者设计了很多深度学习模型的框架，如Theano、Torch、MXNet等，但 Caffe是其中较为完善和成熟的。本课题是在caffe 框架的基础上实现的。本文主要做了以下的工作: 1. 通过微调别人已经训练好的模型(caffenet)，并进行训练和测试.准确率在92%左右，证明了运用卷积神经网络对遥感图像提取特征并分类的有效性。 2. 提取上述微调后网络的第7层特征，并用svm（支持向量机）进行分类，准确率提高了，在95%左右。证明了运用卷积神经网络对遥感图像提取特征并分类的有效性。 3. 卷积层滤波器可视化，可视化遥感图像经过第一个卷积层的结果。 4. 将微调后的模型第7层特征降维可视化。 关键词：遥感图像；分类；卷积神经网络 |
