一种基于度量学习的多模型分组融合的遥感图像分类方法

摘要

本发明提供了一种基于度量学习的多模型分组融合的遥感图像分类方法，设计了一种双模型特征提取器提取特征，将卷积神经网络提出的多层次特征进行融合，提升模型的表征能力，提出了度量学习的损失函数，通过调节深度卷积神经网络的超参数，得到优化好的神经网络，将待分类的遥感图像数据通过优化好的神经网络，给出遥感图像的更准确地分类，实现对遥感图像的分类。本发明弥补了单一CNN模型在特征提取方面的不足，缓解遥感数据类内多样性和类间相似性高的问题，充分使用卷积神经网络的特征提取能力，进一步提升模型的表征能力，极大改善了分类准确率，在数个遥感数据集上准确率最佳。