基于深度学习扩张卷积网络的遥感图像分类全局特征提取研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：探索基于深度学习扩张卷积网络的遥感图像分类全局特征提取的有效性.研究内容包括使用扩张卷积神经网络算法处理UCMerced Land-Use数据集,并结合主成分分析法和线性判别分析法提取全局特征.实验结果显示,扩张卷积网络能够有效提高遥感图像的分类精度和特征提取能力,尤其是在河流和农田等场景中,网络显示出较高的分类精度.研究的意义在于展示了扩张卷积网络在处理空间信息丰富的遥感图像时的优势,为今后遥感图像处理的技术进步和应用开发提供参考.

作者：

李娇娇、张敏

展开 >

作者单位：

晋中信息学院

关键词：

深度学习扩张卷积网络遥感图像分类全局特征

出版年：

2024

信息系统工程

天津市信息中心

信息系统工程

影响因子：0.29

ISSN：1001-2362

年,卷(期)：2024.(8)