基于深度信念网络的遥感影像识别与分类

发布时间：2018-04-09 12:34

  本文选题：遥感图像　切入点：深度信念网络　出处：《地质科技情报》2017年04期

【摘要】：高分辨率遥感影像具有高维、多尺度、非平稳的内部特性和海量、多源、异构的外部特征,具有丰富的空间信息。探讨了利用新兴的深度信念网络研究高分辨率遥感影像的智能提取与分类,通过大量实验对比分类精度、Kappa系数以及参数敏感度分析,提出了网络层数、隐含层神经元个数、迭代次数等参数的最优设置方案,相比传统的浅层网络分类器,改进后的深度信念网络更好地拟合了样本的内在结构,遥感图像分类精度达到92%左右,取得了很好的分类效果。
[Abstract]:High-resolution remote sensing images have high dimensional, multi-scale, non-stationary internal characteristics and massive, multi-source, heterogeneous external features, with rich spatial information.This paper discusses the intelligent extraction and classification of high resolution remote sensing images by using the new depth belief network. By comparing the classification accuracy and the sensitivity of the Kappa coefficients with a large number of experiments, the number of network layers and the number of neurons in the hidden layer are proposed.Compared with the traditional shallow network classifier, the improved depth belief network fits the internal structure of the sample better, and the classification accuracy of remote sensing image reaches about 92%, and the classification effect is very good.
【作者单位】： 湖北省地图院;武汉光谷北斗地球空间信息产业股份公司;
【分类号】：TP751

【参考文献】

相关期刊论文 前5条

1 张浩;赵云胜;陈冠宇;张春苑;;基于支持向量机的遥感图像建筑物识别与分类方法研究[J];地质科技情报;2016年06期

2 陈冠宇;李向;王岭玲;;基于大数据的遥感图像植被识别方法[J];地质科技情报;2016年03期

3 陈冠宇;安凯;李向;;基于卷积神经网络的不良地质体识别与分类[J];地质科技情报;2016年01期

4 王秋全;李向;王岭玲;;基于不良地质识别的分类方法研究与分析[J];地质科技情报;2014年06期

5 高常鑫;桑农;;基于深度学习的高分辨率遥感影像目标检测[J];测绘通报;2014年S1期

相关硕士学位论文 前1条

1 朱宏吉;基于深度信念网络的车牌字符识别算法研究与实现[D];浙江大学;2015年

【共引文献】

相关期刊论文 前9条

1 徐丽坤;刘晓东;向小翠;;基于深度信念网络的遥感影像识别与分类[J];地质科技情报;2017年04期

2 王爱芳;王妮;;结合灰度纹理和支持向量机分类的三江源草地信息提取[J];安徽农业科学;2017年13期

3 杜敬;;基于深度学习的无人机遥感影像水体识别[J];江西科学;2017年01期

4 司朋举;胡伟;;深度学习在仿生眼监控系统中的应用[J];测控技术;2016年12期

5 张浩;赵云胜;陈冠宇;张春苑;;基于支持向量机的遥感图像建筑物识别与分类方法研究[J];地质科技情报;2016年06期

6 欧阳颖卉;林，

本文编号：1726472