许夙晖，慕晓冬，赵　鹏，马　骥

火箭军工程大学信息工程系，陕西 西安 710025



利用多尺度特征与深度网络对遥感影像进行场景分类

许夙晖，慕晓冬，赵鹏，马骥

火箭军工程大学信息工程系，陕西 西安 710025

摘要：针对因样本量小而导致的遥感图像场景分类精度不高的问题，结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM)，提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采样Contourlet变换方法对遥感图像多尺度分解，然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征，最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明，本算法能够结合低频和高频子带对不同类别场景的识别优势，对遥感图像场景取得较好的分类结果。

关键词：遥感图像；场景分类；深度卷积神经网络；非下采样轮廓波变换；多核支持向量机

遥感图像场景分类是遥感图像分析解译的重要手段，在灾情监测、武器制导、交通监管等军事和民用领域均有重要应用价值。场景分类的核心是遥感图像特征提取，传统的k最近邻域、支持向量机(support vector machine，SVM)、最大熵方法、提升方法(boosting)等分类方法，仅提取图像颜色、形状、纹理等低层特征，缺乏对图像中层语义的表述，难以跨越低层到高层语义的鸿沟[1-2]，泛化能力差[3]。随着遥感图像分辨率的增加，以及可见光、红外、高光谱和雷达等多种遥感系统的应用，遥感图像更加趋向于背景的复杂性和目标的多样性，对此研究能够表达遥感图像高层次抽象特征的分类方法成为该领域的发展趋势[4-5]。……