基于深度学习的高分辨率遥感影像分类研究

针对高空间分辨率遥感影像的分类问题，提出了基于深度学习的分类方法。该方法通过非下采样轮廓波变换计算影像的纹理特征，利用深度学习的常用模型—深度信念网络(DBN)对高分辨率遥感影像进行了基于光谱-纹理特征的分类，并与基于单源光谱信息的DBN 分类方法、支持向量机(SVM)分类方法、传统神经网络(NN)分类方法进行了比较分析。研究结果表明：相对于单源光谱信息，利用影像的光谱-纹理特征能够有效提高高分辨率遥感影像的分类精度；相对于SVM、NN 等分类方法，DBN 能够更加准确地挖掘高分辨率遥感影像的空间分布规律，提高分类的准确度。