基于多层特征上下文编码网络的遥感图像场景分类

TP751; 遥感图像场景分类问题是目前遥感图像处理领域中的研究热点之一.卷积神经网络(Convolutional Neural Networks,CNNs)具有强的特征提取能力,已被广泛应用于遥感图像场景分类中.然而,目前的方法并没有充分考虑并利用CNN不同层间的互补信息和遥感图像的空间上下文信息,导致其相应的分类精度有待提高.针对上述问题,提议一种多层特征上下文编码网络,并将其用于解决遥感图像场景分类问题.所提议网络由两部分组成:1)密集连接的主干网络;2)多尺度上下文编码模块.前者用于融合CNN不同层的特征信息,后者用于对蕴含在多层特征中的空间上下文信息进行编码利用.在两个大规模遥感图像数据集上的实验结果表明,与现有的遥感图像场景分类方法相比,所提出的网络框架取得了显著的分类精度提升.