基于中、高层特征融合的高分辨率遥感图像场景分类

针对传统场景分类算法中,利用低、中层特征不能够很好表达高分辨率遥感图像的场景语义,分类精度较低的缺点,提出了一种视觉词袋法(bag-of-visual words,BOVW)结合卷积神经网络(CNN)的高分辨率遥感图像场景分类方法.首先利用视觉词袋模型对遥感影像提取的局部手工特征进行编码得到中层特征,然后利用卷积神经网络来提取图像的高层特征,将提取到的中、高层特征进行融合,再将融合特征输入到不同核函数的支持向量机(SVM)中进行分类.实验结果表明,融合特征比单一特征更能对遥感影像有效表达.与现有遥感图像场景分类方法相比,本方法能够提高场景分类精度,验证了该方法的有效性.