基于深度学习与狮群SVM算法的遥感场景分类 |
| |
引用本文: | 王李祺,侯宇超,高翔,谭秀辉,程蓉,王鹏,白艳萍.基于深度学习与狮群SVM算法的遥感场景分类[J].吉林大学学报(理学版),2023(4):863-874. |
| |
作者姓名: | 王李祺 侯宇超 高翔 谭秀辉 程蓉 王鹏 白艳萍 |
| |
作者单位: | 1. 中北大学数学学院;2. 中北大学信息与通信工程学院 |
| |
摘 要: | 针对高分辨遥感图像样本量小,以及传统优化支持向量机(SVM)算法易陷入局部最优解、寻优速度慢等问题,提出一种基于深度迁移学习与狮群优化SVM(LSO-SVM)算法对遥感图像场景进行分类.首先,通过自适应对比度增强图像后利用颜色聚合向量提取图像颜色特征;其次,利用3种预训练网络分别提取图像的迁移学习深度特征;最后,将手工提取的图像特征与用3种预训练网络获取的特征使用系列特征融合方法进行融合,并将其输入LSO-SVM进行图像场景分类.结果表明,该算法解决了小样本情况下深度学习较难训练及传统优化SVM算法易陷入局部最优解、寻优速度慢的问题.在80%的训练条件下,数据集UCM Land-Use和RSSCN7的分类精度分别达到99.52%和98.57%.
|
关 键 词: | 遥感图像 图像分类 迁移学习 狮群优化算法 颜色聚合向量 |
|
|