典型文献
基于脉冲卷积神经网络稀疏表征的高分辨率遥感图像场景分类方法
文献摘要：
遥感图像场景分类对土地资源管理具有重要意义,然而高分辨率遥感图像中地物分布复杂,图像中存在着与当前场景无关的冗余信息,会对场景的精确分类造成影响.对此,提出一种基于脉冲卷积神经网络(SCNN)稀疏表征的场景分类方法.从稀疏表征出发,利用脉冲神经元的稀疏脉冲输出特性,设计脉冲卷积神经网络,去除遥感图像中与场景无关的冗余信息,实现对图像的稀疏表征;提出基于脉冲输出交叉熵损失函数的反向传播算法,在该算法的基础上利用梯度下降训练脉冲卷积神经网络,优化网络参数,实现遥感图像场景分类;通过实验验证方法的有效性,将所提出方法应用于Google和UCM两个遥感图像数据集,并与传统的卷积神经网络(CNN)进行对比.实验结果表明,所提出方法可以对遥感图像进行稀疏表征,实现场景分类;相对于卷积神经网络,所提出方法在遥感图像场景分类任务上更具有优势.
文献关键词：
高分辨率遥感图像;场景分类;稀疏表征;脉冲卷积神经网络
中图分类号：
作者姓名：
张哲益;曹卫华;朱蕊;胡文凯;吴敏
作者机构：
中国地质大学(武汉) 自动化学院,武汉430074;复杂系统先进控制与智能自动化湖北省重点实验室,武汉430074;地球探测智能化技术教育部工程研究中心,武汉430074
文献出处：
引用格式：
[1]张哲益;曹卫华;朱蕊;胡文凯;吴敏-.基于脉冲卷积神经网络稀疏表征的高分辨率遥感图像场景分类方法)[J].控制与决策,2022(09):2305-2313
A类：
脉冲卷积神经网络
B类：
稀疏表征,高分辨率遥感图像,遥感图像场景分类,分类方法,土地资源管理,地物,前场,冗余信息,精确分类,造成影响,SCNN,脉冲神经元,脉冲输出,输出特性,交叉熵损失函数,反向传播算法,梯度下降,网络参数,验证方法,Google,UCM,图像数据集,实现场景,分类任务
AB值：
0.204964
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
