[发明专利]一种改进的基于深度学习的高分遥感影像分类方法

权利要求书

1.一种改进的基于深度学习的高分遥感影像分类方法，包含训练阶段和测试阶段，其特征在于：

所述训练阶段包括以下步骤：

(1)构建多类遥感影像样本数据集，并制作相应的样本标签集合，将每类遥感影像样本数据集分为训练集Train和测试集Test；

(2)搭建七层卷积神经网络，使用训练集对卷积神经网络进行训练；

(3)提取卷积神经网络第五层池化层输出特征值和第六、第七两个全连接层的输出特征值；

(4)针对卷积神经网络的第五层池化层输出特征值，采用主成分分析方法对其进行降维；

(5)将降维后的第五层池化层特征和第六、第七两个全连接层特征通过串联的形式进行特征融合；

(6)在融合特征的基础上，设计基于逻辑回归的分类器；

所述测试阶段包括以下步骤：

(7)将测试集输入到步骤(2)中训练好的卷积神经网络中，得到每个测试样本的第五层池化层特征和第六、第七两个全连接层特征；

(8)利用步骤(4)中所述的主成分分析方法，对步骤(7)得到的第五层池化层特征进行降维；

(9)针对步骤(7)中的第六、第七两个全连接层特征和步骤(8)中的降维后的第五层池化层特征，进行串联，实现特征融合；

(10)使用步骤(6)设计好的分类器对测试集进行分类识别。

2.根据权利要求1所述的一种改进的基于深度学习的高分遥感影像分类方法，步骤(1)中的，构建训练集和测试集的方法如下：

(1.1)构建多类遥感影像样本数据集并制作相应的样本标签其中N表示N类遥感影像，表示第i₁类遥感影像的集合，表示第i₁类遥感影像的标签集合，标签集合取值为i₁-1，其中，i₁＝1,…,N；

(1.2)将每类数据集分为训练集部分Train和测试集部分Test，针对数据集中每类遥感影像，设其样本总数为n，从中随机抽取m张图像构建训练集，其余n-m张图像构建测试集，则有：其中，表示第i₁类遥感影像的训练集合，它包含了m张图像，表示第i₁类遥感影像的测试集合，它包含n-m张图像。