基于HWP-FCN的遙感圖像典型地物分類方法研究.pdf

1、遙感圖像典型地物分類是為飛行器導航提供信息保障，其分類精度直接影響著飛行器導航可靠性。典型地物分類因其類型不確定、形態(tài)多樣性等原因?qū)е戮_分類仍是遙感領(lǐng)域的難題。
　　針對遙感圖像典型地物無監(jiān)督SLIC超像素分割算法存在分類精度低、適應(yīng)能力弱的問題，利用全卷積網(wǎng)絡(luò)（FCN）算法具有通過訓練、學習抽取典型地物特征，并能對典型地物描述表達的特點，本文將FCN算法引入到遙感圖像典型地物分類中。算法包括學習和分類兩個階段：學習階段，利用F

2、CN在制作的遙感圖像數(shù)據(jù)集上訓練生成FCN模型；分類階段，將遙感圖像分類感興趣區(qū)利用已訓練好的FCN模型分類。實驗證明，該方法能有效提高典型地物分類精度。
　　針對遙感圖像數(shù)據(jù)集存在樣本類別非均衡性的問題，本文提出了基于加權(quán)懲罰的FCN（WP-FCN）遙感圖像典型地物分類方法。實驗證明，該方法在一定程度上解決了道路、草地“小眾類”樣本的錯分問題，提高了典型地物分類精度。
　　鑒于道路典型地物精確分類對于飛行器導航制導的重要性