基于深度轮廓波卷积神经网络的遥感图像地物分类

文章主要究的是基于深度轮廓波卷积神经网络的遥感图像地物分类问题。深度卷积神经网络是一种可以直接处理图像的前馈神经网络，能够引入像素空间相关性，较弱相干斑的影响、提升分类精度。将深度卷积神经网络延拓至复数域进行计算，可充分利用遥感图像的相位信息，构造得复数卷积神经网络。轮廓波变换用不同尺度上的不同方向上的子带来逼近图像，能够更好地捕捉图像的内部几何结构，获得判别特征。以复数卷积神经网络为基础，引入轮廓波变换构造多尺度深度学习模型，可以有效解决背景复杂的遥感图像分类问题。
轮廓波是一种有效的多分辨率图像表示法。
文章针对复数类型的数据，包括幅度和相位分量，特征信号更为丰富。现有的针对遥感图像特征提取方法均将复数数据分为实部和虚部，对实部和虚部分别来进行处理得到最终的分类特征。
注：文章选自《基于深度轮廓波卷积神经网络的遥感图像地物分类》马丽媛