基于收缩卷积神经网络的高分辨率影像分类方法

针对高分辨率遥感影像上存在同类地物差异性大、类间差异性小等问题,提出一种端到端收缩卷积神经网络的高分辨率遥感影像分类方法。首先,将卷积神经网络的最大池化层设置在卷积层之后,确保提取深度特征具有空间不变特征;然后,针对SoftMax分类器缺少对测试数据可分性显示建模,依据SoftMax分类器原理提出聚类损失函数与分类器损失函数融合获取影像分类目标函数,确保训练数据与类别中心接近,且不同类中心彼此分离;最后,采用实验数据验证本文方法的可行性。结果表明,本文方法能够提高影像特征的可分性,有效解决高分辨率遥感影像相似场景的错分问题。