%A 何小飞, 邹峥嵘, 陶超, 张佳兴 %T 联合显著性和多层卷积神经网络的高分影像场景分类 %0 Journal Article %D 2016 %J 测绘学报 %R 10.11947/j.AGCS.2016.20150612 %P 1073-1080 %V 45 %N 9 %U {http://xb.chinasmp.com/CN/abstract/article_6811.shtml} %8 2016-09-20 %X 高分辨率遥感影像中的场景信息,对于影像解译和现实世界的理解具有重要意义。传统的场景分类方法多利用中、低层人工特征,但是高分辨率遥感影像的信息丰富,场景构成复杂,需要高层次的特征来表达。本文提出了一种联合显著性和多层卷积神经网络的方法,首先利用显著性采样获取包含影像主要信息的有意义的块,将这些块作为样本集输入卷积神经网络中进行训练,获得不同层次的特征表达,最后联合多层特征利用支持向量机进行分类。两组高分影像场景数据UC Merced 21类和Wuhan 7类试验表明,显著性采样能够有效地获取主要目标,减弱其他无关目标的影响,降低数据冗余;卷积神经网络能够自动学习高层次的特征,相比已有方法,本文方法能够有效提高分类精度。