基于深度学习与狮群SVM算法的遥感场景分类

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%.