陈婷婷

摘要：针对传统机场识别方法识别速度慢、准确率低的问题，迁移学习经典AlexNet网络模型参数用于机场识别问题，在MatLab上进行仿真，实验表明该方法能有效提高机场识别率。

关键词：机场识别；卷积神经网络；支持向量机

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）21-0202-02

1 前言

机场作为集军事与民生意义于一体的特殊目标，在卫星图像中对其进行识别有重要意义。传统机场识别方法主要是集中于机场跑道检测，需要经过复杂的图像预处理、边缘检测及直线提取过程，在此基础上构造人工特征并提取，该方法识别效率低下且已经达到瓶颈。卷积神经网络因其强大的特征学习能力与优异的识别性能在近几年被广泛应用于目标识别领域。本文采用AlexNet实现机场识别，在MatLab上进行仿真，验证迁移AlexNet的有效性及其识别能力。

2 卷积神经网络经典模型

卷积神经网络（Convolutional neural networks，CNN）是一种众所周知的深度学习结构，灵感来源于高级动物的自然感知机制。卷积神经网络是由一系列卷积层、整流单元、池化层、全连接层之后输出一个多维向量，经过分类函数得到图像类别。与人工神经网络最大的不同便是CNN的卷积层，这也是卷积神经网络的得名原因。卷积神经网络自LeNet开始出现了很多经典的、被广泛应用的模型结构。

LeNet-5是Lecun基于Fukuhiko的研究首个将BP算法与卷积网络结合，是早期卷积神经网络最具代表性的实现，因其无需预处理步骤，可以直接对原始图像进行特征提取与目标识别，当时被许多银行与邮局用来识别手写数字。……