PFWG改进的CNN多光谱遥感图像分类

为了实现在遥感图像处理过程中准确地提取到有效地物信息, 缩短分类用时, 将卷积神经网络(CNN)模型引入遥感图像地物分类, 首先提出由图片模糊加权平均(PFWG)改进的CNN分类方法, 利用模糊几何聚类算法作为预处理单元对实验样本进行特征规划, 并对遥感地物信息进行多源特征决策, 简化了分类过程, 加快了CNN模型的收敛速度。实验结果表明, 利用PFWG改进的CNN分类方法总体分类精度达到了93.73%; Kappa系数为0.94。该方法有效地弥补了CNN自身对遥感图像分类不够细腻、表达效果差的缺点, 较好地完成了多光谱遥感图像分类任务, 同时具备一定抗干扰能力。