深度学习的半监督遥感图像检索

• 全文链接
• 请求原文

作   者：

张洪群;  刘雪莹;  杨森;  李宇; 

作者机构：

中国科学院遥感与数字地球研究所; 

关键词：

卷积神经网络;  稀疏自动编码;  深度学习;  遥感图像检索;  Softmax分类器; 

期刊名称：

遥感学报

基金项目：

基于语义模型的高分辨率卫星遥感图像人造目标检测方法研究

i s s n：

1007-4619

年卷期：

2017 年 21 卷 03 期

页   码：

406-414

摘   要：

遥感图像数据的海量性、多样性和复杂性等特点对遥感图像检索的速度和精度提出了更高的要求,其中特征提取是影响遥感图像检索效果的关键。本文方法首先对遥感图像进行预处理,然后基于稀疏自动编码的方法在大量未标注的遥感图像上进行特征学习得到特征字典,基于卷积神经网络的思想,使用训练出来的特征字典对遥感图像进行卷积和池化得到每幅图像的特征图;接下来使用特征图训练Softmax分类器;最后对待检索图像分类,在同一类别中计算特征间的距离,进而实现遥感图像的检索。实验结果表明,该方法能够有效提高遥感图像检索的速度和准确度。