| 基于加权特征融合的多尺度遥感影像分类 | |
| 其他题名 | Multi-scale Remote Sensing Image Classification Based on Weighted Feature Fusion |
程寅翥1,2; 刘松1,2; 王楠1,2; 师悦天1,2; 张耿1
| |
| 作者部门 | 光谱成像技术研究室 |
| 2023-11 | |
| 发表期刊 | 光子学报
 |
| ISSN | 10044213 |
| 卷号 | 52期号:11 |
| 产权排序 | 1 |
| 摘要 | 针对普通的三维卷积神经网络（3D CNN）从一个尺度上提取特征，会丢失部分细节信息，且对小样本任务表现一般的问题，本文提出了一种三支路的3D CNN，从不同尺度上提取特征后进行加权特征融合，从而获取了更为全面的特征；并引入数据增强技术，从而改善了小样本情形下的分类性能。现有特征融合方法通常对各个支路直接进行拼接，本文采用加权拼接的特征融合方法，将各特征分别乘以一个加权系数后再进行拼接，该系数通过模拟退火算法求取。本文方法在公开数据集Indian Pines,Pavia University,Salinas等上采用10%的数据进行训练，分别得到了98.60%、99.83%、99.97%的总体准确率，与各类对比方法相比，提升了高光谱遥感影像分类问题的准确率。 |
| 关键词 | 光学遥感影像 深度学习 图像分类 卷积神经网络 特征融合 多尺度 |
| DOI | 10.3788/gzxb20235211.1110002 |
| 收录类别 | EI ; CSCD |
| 语种 | 中文 |
| CSCD记录号 | CSCD:7630210 |
| EI入藏号 | 20235015214385 |
| 引用统计 | |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.opt.ac.cn/handle/181661/97069 |
| 专题 | 光谱成像技术研究室 |
| 通讯作者 | 张耿 |
| 作者单位 | 1.中国科学院西安光学精密机械研究所光谱成像技术重点实验室 2.中国科学院大学 |
| 第一作者单位 | 中国科学院西安光学精密机械研究所 |
| 通讯作者单位 | 中国科学院西安光学精密机械研究所 |
| 推荐引用方式 GB/T 7714 | 程寅翥,刘松,王楠,等. 基于加权特征融合的多尺度遥感影像分类[J]. 光子学报,2023,52(11). |
| APA | 程寅翥,刘松,王楠,师悦天,&张耿.(2023).基于加权特征融合的多尺度遥感影像分类.光子学报,52(11). |
| MLA | 程寅翥,et al."基于加权特征融合的多尺度遥感影像分类".光子学报 52.11(2023). |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 基于加权特征融合的多尺度遥感影像分类_程（5813KB） | 期刊论文 | 作者接受稿 | 限制开放 | CC BY-NC-SA | 请求全文 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [程寅翥]的文章 |
| [刘松]的文章 |
| [王楠]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [程寅翥]的文章 |
| [刘松]的文章 |
| [王楠]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [程寅翥]的文章 |
| [刘松]的文章 |
| [王楠]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论