基于纹理描述和深度学习的阈值可学习局部二进制网络的构建方法以及遥感图像分类方法

摘要

本发明公开了基于纹理描述和深度学习的阈值可学习局部二进制网络的构建方法，首先取遥感图像数据集，然后加载在ImageNet数据集上预训练好的ResNet‑50网络模型，并将ResNet‑50网络模型的最后一层全连接层的输出维数修改为与图像类别对应的维数，并在遥感图像数据集上对ResNet‑50网络模型进行训练；接着基于深度学习的思想优化手工特征LBP，得到阈值可学习的LBP方法，然后将阈值可学习方法作为LBP层与在ImageNet数据集上预训练好的ResNet‑50网络模型串联，得到阈值可学习的局部网络LBPNet；再将在数据集上收敛的ResNet‑50深度模型与LBPNet并联，构建基于纹理描述和深度学习的阈值可学习局部二进制网络TLBPNet。本发明可以提高遥感图像的分类性能。