摘要：目的遥感图像飞机目标分类，利用可见光遥感图像对飞机类型进行有效区分，对提供军事作战信息有重要意义。针对该问题，目前存在一些传统机器学习方法，但这些方法需人工提取特征，且难以适应真实遥感图像的复杂背景。近年来，深度卷积神经网络方法兴起，网络能自动学习图像特征且泛化能力强，在计算机视觉各领域应用广泛。但深度卷积神经网络在遥感图像飞机分类问题上应用少见。本文旨在将深度卷积神经网络应用于遥感图像飞机目标分类问题。方法在缺乏公开数据集的情况下，收集了真实可见光遥感图像中的8种飞机数据，按大致4：1的比例分为训练集和测试集，并对训练集进行合理扩充。然后针对遥感图像与飞机分类的特殊性，结合深度学习卷积神经网络相关理论，有的放矢地设计了一个5层卷积神经网络。结果首先，在逐步扩充的训练集上分别训练该卷积神经网络，并分别用同一测试集进行测试，实验表明训练集扩充有利于网络训练，测试准确率从72．4％提升至97．2％。在扩充后训练集上，分别对经典传统机器学习方法、经典卷积神经网络LeNet-5和本文设计的卷积神经网络进行训练，并在同一测试集上测试，实验表明该卷积神经网络的分类准确率高于其他两种方法，最终能在测试集上达到97．2％的准确率，其余两者准确率分别为82．3％、88．7％。结论在少见使用深度卷积神经网络的遥感图像飞机目标分类问题上，本文设计了一个5层卷积神经网络加以应用。实验结果表明，该网络能适应图像场景，自动学习特征，分类效果良好。

原文链接:http://www.cqvip.com//QK/90287A/201705/672118192.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）