基于深度卷积神经网络和多核学习的遥感图像场景分类方法

摘要

本发明公开了一种基于深度卷积神经网络和多核学习的遥感图像场景分类方法，首先，采用深度卷积神经网络对遥感场景图像进行训练，将学习得到的两个全连接层的输出作为遥感场景图像的特征。其次，利用多核学习训练出适合于两个全连接层特征的核函数，从而将提取得到的两个全连接层特征映射到高维空间，实现它们在高维空间的自适应融合。最后，设计多核学习‑支持向量机分类器，对遥感场景图像进行有效的分类。本发明利用卷积神经网络对遥感图像进行特征提取，学习得到的深度特征涵盖信息完整且具有较强的鉴别性，与此同时，将这些特征融入多核学习框架，能达到良好的分类性能。