孟庆祥，吴 玄

(武汉大学遥感信息工程学院，湖北 武汉 430072)

随着高分辨率遥感卫星的迅速发展，高分影像商业用途越来越广。高分影像具有分辨率高、信息量大、细节特征丰富等优点，传统的影像解译方法很难有效地从高分影像上提取知识。如今高分影像信息提取已逐步从基于像元、纹理的解译向面向对象、语义识别和场景理解的方向发展[1]。因此，研究高层次特征的抽象方法成为高分影像理解的一个重要方向。

场景分类的关键是图像特征的提取。目前，场景分类方法大致可分为3类：基于纹理、颜色特征等低层特征的场景分类，基于中层语义特征的场景分类和基于高层视觉信息的深度网络模型场景分类[2]。文献[3]提出了空间包络面的方法，不用对整幅图像进行分割，使用多维低层次特征组合，实现了对自然场景的分类。文献[4]提出了一种高效的区域检测算法，使用SIFT特征对局部特征进行描述，由于SIFT特征对旋转、尺度缩放、亮度变化等均保持不变性，因此被广泛地运用到场景分类中。文献[5]将视觉词包方法引入到场景分类的研究中，首先对SIFT、Gist特征进行提取，并用K-means聚类方法进行聚类形成视觉词包，最后使用支持向量机分类器进行训练，取得了良好的分类效果。

近年来，深度学习在图像领域得到了广泛的运用[6-7]。文献[8]使用基于卷积神经网络的模型Alex-net，利用多层卷积提取特征，利用全连接层融合特征，利用Dropout层提高网络的泛化能力，防止模型的过拟合。……