张德园，常云翔，张利国，石祥滨

1(沈阳航空航天大学 计算机学院，沈阳 110136) 2(辽宁省通用航空研究院 人因工程研究室，沈阳 110136) E-mail ：dyzhang@sau.edu.cn

1 引 言

遥感图像分类是根据卫星等遥感设备拍摄到的图像来识别地面目标，常用于监测地球的地表状况.遥感图像受到传感器类型、波长、拍摄区域等因素的影响，使得采集到的图像空间分辨率较低、图像细节较模糊，因此遥感图像分类问题具有很大的挑战性[1].鉴于遥感图像标注样本数量较少，传统的遥感图像分类方法主要研究适合遥感图像的特征提取算法[2-4]，以及小样本分类算法[5].为了适应不同应用的特征普适性，人们提出了一些方法来获取更加灵活和泛化能力更强的特征，比如：稀疏编码[6]、fisher特征[7]等.

近年来深度神经网络由于其优异的性能在计算机视觉的各个领域得到广泛的研究[8，9].其主要的成功在于能够通过端到端的方式从大量标注的训练数据中学习到具有极强表达能力和泛化能力的特征.深度神经网络在遥感图像领域的应用正在引起研究者们的关注[10].

然而在遥感图像分类任务上，采用遥感图像数据集训练端到端神经网络尚未得到深入的研究.主要原因在于深度神经网络需要大量的训练数据，而遥感图像数据集中数据量较少，无法满足这种庞大的数据量需求[11].大规模的高分辨率遥感图像数据集直到2015年才出现，Basu[12]通过对图像提取150种不同类型的特征，采用DeepSAT深度神经网络框架分类取得……