公开(公告)号：CN114005046B

公开(公告)日：2024-07-02

申请号：CN202111299649.4

申请日：2021-11-04

Applicant: 长安大学

Inventor： 白璘 ,  朱春霖 ,  刘庆鑫 ,  叶珍 ,  惠萌 ,  李翠玲

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及遥感图像处理领域技术领域，公开了基于Gabor滤波器和协方差池化的遥感场景分类方法，包括以下步骤：将高分辨率遥感图像分为训练集和测试集，训练集用于训练卷积神经网络模型；将训练集中的高分辨率遥感图像进行归一化处理，归一化处理后的高分辨率遥感图像输入Gabor函数的卷积层提取特征；将提取的特征输入协方差池化模块，获得图像的深层特征；根据图像的深层特征，通过反向传播得到卷积神经网络模型的模型参数，通过全连接层对图像的深层特征进行分类；使用测试集验证卷积神经网络模型对遥感场景的分类精度，这种基于Gabor滤波器和协方差池化的遥感场景分类方法，能够提高在高分辨率场景下的分类精度。

公开(公告)号：CN114005046A

公开(公告)日：2022-02-01

申请号：CN202111299649.4

申请日：2021-11-04

Applicant: 长安大学

Inventor： 白璘 ,  朱春霖 ,  刘庆鑫 ,  叶珍 ,  惠萌 ,  李翠玲

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及遥感图像处理领域技术领域，公开了基于Gabor滤波器和协方差池化的遥感场景分类方法，包括以下步骤：将高分辨率遥感图像分为训练集和测试集，训练集用于训练卷积神经网络模型；将训练集中的高分辨率遥感图像进行归一化处理，归一化处理后的高分辨率遥感图像输入Gabor函数的卷积层提取特征；将提取的特征输入协方差池化模块，获得图像的深层特征；根据图像的深层特征，通过反向传播得到卷积神经网络模型的模型参数，通过全连接层对图像的深层特征进行分类；使用测试集验证卷积神经网络模型对遥感场景的分类精度，这种基于Gabor滤波器和协方差池化的遥感场景分类方法，能够提高在高分辨率场景下的分类精度。