摘要：针对高分辨率遥感影像复杂地物分类的问题,提出了人工特征工程与深度神经网络相结合的地物分类方法。通过纹理与结构等人工设计特征提取构建多尺度特征图,采用特征图和原始图像合并构建的高维图集合作为网络输入,最大程度地丰富了输入信息量,同时增强了纹理、尺度等有利特征在网络训练过程中的主导作用。根据全卷积网络端到端的像素级分类思想,借鉴并改进DeepLab v3网络的结构设计,实现了一站式的遥感地物分类。实验结果表明,相对于采用原始图像直接作为网络输入,多尺度特征图与原始图结合的方法可以有效地凸显地物中纹理与结构的描述能力,较好地提升地物分类准确度;同时相对于传统神经网络进行图片分类的方法,设计的基于多尺度特征图集合的方法在遥感地物分类任务中具有更好的抗干扰性与准确性。

摘要：针对目前遥感用户获取遥感影像时采用的人工查询和订购方式较为低效的问题,提出了一种基于多特征融合神经网络的遥感影像个性化推荐框架。设计遥感影像语义体系实现影像语义提取,结合用户操作记录与职责描述文本构建遥感领域知识图谱。通过嵌入表征方法提取用户与影像的多维度属性特征。设计了一种基于协同过滤的多特征融合神经网络模型,借助神经网络的高维度空间建模能力实现用户与影像多维属性特征的有效融合,达到较好的配对推荐效果。实验结果显示,相较于先前的推荐方法,所提方法的性能获得显著提高,有效提升了遥感数据服务的精准度与时效性。