高分遥感影像双通道并行混合卷积分类方法

• Published in: Ce hui xue bao Vol. 52; no. 5; pp. 798 - 807
• Main Authors: 顾小虎, 李正军, 缪健豪, 李星华, 沈焕锋
• Format: Journal Article
• Language: Chinese; English
• Published: Beijing Surveying and Mapping Press 20.05.2023; 自然资源部城市国土资源监测与仿真重点实验室,广东深圳518000%武汉大学资源与环境科学学院,湖北武汉430079; 武汉大学遥感信息工程学院,湖北武汉430079%中交第二公路勘察设计研究院有限公司,湖北武汉430056%武汉大学遥感信息工程学院,湖北武汉430079
• Subjects: Artificial neural networks; Classification; Deep learning; High resolution; Image classification; Image resolution; Information retrieval; Machine learning; Neural networks; Remote sensing; Spatial data; Spatial discrimination; Spatial resolution; 高分遥感影像; 多尺度卷积; 混合注意力机制; 混合卷积神经网络; 影像分类
• ISSN: 1001-1595; 1001-1595
• DOI: 10.11947/j.AGCS.2023.20220163

高空间分辨率遥感影像拥有丰富的空间细节信息和多光谱信息。研究表明，二维卷积神经网络适于提取空间信息，而三维卷积神经网络更适于提取光谱信息。为了更好地利用空谱信息，本文提出一种双通道并行混合卷积神经网络(DPHCNN)方法，充分联合二维与三维卷积神经网络在空谱信息提取上的优势，同时引入混合注意力机制、多尺度卷积增强空间细节特征的提取能力，实现高分影像的精准分类。试验中利用高分二号影像数据集进行验证，与当前先进的深度学习分类方法相比，本文提出的DPHCNN方法在保证分类精度高、分类效率较好的同时，能在多时相影像分类中保持最高的稳健性，在综合评价上更具优势。