计算机工程与应用

2022, v.58;No.992(01) 232-240

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于多特征融合与CELM的场景分类算法
Multi-feature Fusion and Constrained Extreme Learning Machine for Scene Classification

王光;陶燕;沈慧芳;周树东;

摘要(Abstract):

场景分类对于场景图像的语义解译至关重要,是遥感领域近期的主要研究课题之一。针对大部分图像分类方法中提取的特征结构单一,依赖于大量人工标记的数据以及分类器的训练过程缓慢等问题,提出了一种基于多特征融合与约束极限学习机(constrained extreme learning machines,CELM)的场景图像分类方法。该方法采用三种不同结构的预训练卷积神经网络,利用特定数据集对其进行微调,将微调后网络提取到的三种特征进行融合并送入CELM分类器进行分类,最终得到图像的类别标签。以SIRI-WHU、WHU-RS19与UC-Merced数据集作为实验数据集,在预训练卷积神经网络、单一特征和传统分类器上进行的对比实验表明,基于多特征融合与CELM相结合的方法产生了较好的分类效果,三种数据集上的总分类精度分别高达99.25%、98.26%与97.70%。

关键词(KeyWords): 场景分类;多特征融合;约束极限学习机

Abstract:

Keywords:

基金项目(Foundation): 辽宁省自然科学基金(2019GZDG0048)

作者(Author): 王光;陶燕;沈慧芳;周树东;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享