当前位置:主页 > 计算机软件论文 >

基于深度学习的遥感图像特征提取及图像识别

更新时间:2019-01-30
阅享价格100元 资料包括:原始论文 点击这里给我发消息QQ在线咨询
文档格式:doc/docx 全文字数:11300 温馨提示
以下仅列出文章摘要、提纲简介,如需获取全文阅读权限,或原创定制、长期合作,请随时联系。
微信QQ:312050216 点击这里给我发消息
扫一扫 扫一扫
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