基于密集卷积网络(DenseNets)的遥感图像分类研究

摘要

遥感图像空间分辨率低,如何更好地提取图像特征成为提升分类性能的关键.文章提出了一种基于密集卷积网络(DenseNets)的遥感图像分类方法,针对遥感图像样本少,采用迁移学习方法,在ImageNet上进行预训练,获得初始模型,利用预训练模型在(UCM_LandUse_21)上训练,更新训练策略获得最佳模型.结果表明,该方法比BOVW+SCK和SVM_LDA方法在分类精度上提高10%,比传统CNN提升了约7%,比MS_DCNN提升5%.因此,该方法对于遥感图像场景分类具有一定的价值.