基于CNN的多光谱数据遥感图像地物覆盖分类

文章针对国内对于深度学习应用于遥感图像处理的研究尚未广泛开展。为了填补此类空白,提出了一种基于CNN的对于高分辨率高光谱遥感图像进行自动分类的方法,对传统的CNN框架进行了一定的优化并加入Inception结构,进而横向对于其与SVM分类算法的实际分类效果。以卫星拍摄的地面实物图片为例对该方法进行了验证。
径向基函数(Radial Basis Function,RBF)神经网络的主要优势在于逼近能力、分类能力和学习速度等方面。这几个方面PBF神经网络皆比BP神经网络能力强。径向基函数神经网络的结构相对简单,训练方式也比较简洁。由于其参数的并非随机初始化,故其学习的收敛速度很快,可以无限接近任意的非线性函数,且能够克服局部极小值问题。
:文章选自《基于CNN的多光谱数据遥感图像地物覆盖分类》李玉峰等

你可能感兴趣的:(遥感专栏,CNN,多光谱遥感数据,地物分类)