PS-DenseNet下的代数模型遥感图像场景分类研究

作     者：陈垚 张明波 CHEN Yao;ZHANG Ming-bo

作者机构：广安职业技术学院四川广安638000 江西财经大学统计学院江西南充330000 

基　　金：国家自然科学基金项目(No.61601382)资助 

出 版 物：《激光与红外》 (Laser & Infrared)

年 卷 期：2022年第52卷第3期

页      码：442-450页

摘      要：遥感图像能在短时间内获取大范围丰富的地表数据和细节,有效完成遥感图像场景的分类成为分析相关信息的重要依据。基于此,本文提出了PS-DenseNet下的代数模型遥感图像场景分类方法,为提升遥感图像的分类准确性,引入Lie group代数模型分析工程问题可获取底层特征并降低特征维度,并在Densenet基础上设计PS-DenseNet提取高层特征,进而采用焦点代价函数完成网络训练,所设计的深度网络模型可训练海量遥感图像样本特征,使模型具备较强的自学习功能;为校验本文方法的有效性,采用两类数据集完成本文方法和文献[5]、[6]方法的验证,实验结果表明,本文方法的OCA参数和Kappa参数均优于其他两种方法,并能在较少的epoch中达到分类精准度较高的稳定状态。

主 题 词：深度学习 分类 Densenet 代价函数 网络训练 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.3969/j.issn.1001-5078.2022.03.021

馆 藏 号：203110372...