蒋 强，陈 凯，王德元

(1.沈阳理工大学，辽宁 沈阳 110000；2.沈阳飞驰电气设备有限公司，辽宁 沈阳 110000)

1 引言

随着我国自主建设、独立运行的卫星导航系统北斗卫星导航系统(BeiDou Navigation Satellite System)的日趋完善，填补了我国在卫星导航系统领域的空白。北斗卫星导航系统由三大部分组成，包括空间星座(空间段)、地面控制(地面段)和用户终端(用户段)[1]。北斗卫星导航系统可以为用户提供全天候、高精度的定位、导航及授时等方面的应用，截至目前，我国已成功发射48颗卫星，计划在2020年底全面完成北斗卫星导航系统的建设，形成全球无源服务能力，达到世界一流水平[2-3]。

随着北斗卫星导航系统的不断完善，系统在森林防火、军事战略、交通管理、农业渔业、公共安全、减灾救灾、气象探测、通信和电力等众多领域得到应用，并呈现出更为广泛应用的趋势[4-7]。遥感图像的场景分类作为这些应用的基础，对北斗卫星导航系统的进一步应用有着至关重要的作用，遥感图像的分类已成为热门的研究主题。遥感图像主要有以下特点：

1)遥感图像分辨率逐渐增高，图像数据维度越来越高，对计算机内存及处理能力要求不断提高，处理时间长；

2)图像受天气、光照、角度等外界因素影响比较大，增加了分类难度。

针对遥感图像的特点，本文提出一种结合图像融合和极限学习机(Extreme Learning Machine，ELM)的遥感图像分类方法。针对遥感图像光照等外部条件复杂的问题，通过融合遥感图像的SIFT特征和CNN网络特征，提高了遥感图像的特征层次，更充分的利用了遥感图像的信息，提取特征的鲁棒性和判别性较好，从而有效提高了遥感图像的分类准确率。……