A Multiscale Deeply Described Correlatons-based Model for Land-use Scene Classification

一种基于深度描述关联子的土地利用场景分类模型

成果信息

     Qi, K., Yang, C., Guan, Q., Wu, H., & Gong, J. (2017). A multiscale deeply described correlatons-based model for land-use scene classification. Remote Sensing, 9(9), 917.

    http://www.mdpi.com/2072-4292/9/9/917/htm

团队成员

      祁昆仑，博士，中国地质大学（武汉）bat365官网登录入口，博士后，主要从事高分辨率遥感影像场景分类与语义分割方面的研究。

  杨  超，博士，中国地质大学（武汉）bat365官网登录入口，讲师，主要从事地理空间传感网、时空大数据等方面的研究。

  关庆锋，博士，中国地质大学（武汉）bat365官网登录入口，教授，主要从事高性能空间计算、空间计算智能、时空大数据等方面的研究。

  吴华意，博士，测绘遥感信息工程国家重点实验室，教授，主要从事分布式与高性能地理信息计算和时空大数据关联分析与知识挖掘方面的研究。

     龚健雅，博士，武汉大学遥感bat365官网登录入口，教授，主要从事地理信息理论和几何遥感基础研究。

成果介绍

     本文提出一种多尺度深度描述关联子模型，用于提取多尺度下高分辨率遥感影像的外观信息和空间信息，从而更好地表达土地利用场景。模型利用卷积神经网络中卷积层的特征图作为局部特征，结合传统的空间关联子方法，达到融合卷积神经网络中外观特征和关联子中空间特征的目的。

  本方法采用卷积神经网络的特征图作为局部特征进行K均值池化，所以模型能够支持任意大小的图像输入。在此基础上，方法提取输入图像在不同尺度下的特征并进行融合，从而考虑对于遥感影像非常重要的尺度信息。为了结合不同尺度下的空间信息，本文提出多尺度的空间关联子特征描述方法。最终训练线性支持向量机分类器，并采用公开的土地利用场景数据集验证模型的有效性。实验结果表明，融合多尺度外观信息和空间信息的方法能够有效提升土地利用场景的表达，达到提升分类精度的效果。