基于ResNet18和随机森林的遥感图像复杂场景分类方法

摘要

复杂场景分类是遥感图像解译的一项重要内容。本文通过优化ResNet18深度残差网络和随机森林，实现了遥感图像复杂场景的高精度分类。首先通过数据扩充将数据库扩充以缓解因训练样本少带来的过拟合问题，然后采用ResNet18深度残差网络自动提取遥感图像场景特征，最后使用随机森林分类器实现复杂场景分类任务并分别在NWPU-RESISC45和UC Merced Land Use数据库上进行了实验。结果表明，本文模型场景分类准确率分别为98.86%和99.17%，与单独使用ResNet18深度残差网络相比，本文模型分类准确率分别提高3.36%和1.71%，相比于其他场景分类方法，本文模型分类准确率分别提高5.23%和1.55%。

关键词

数据扩充 / 深度残差网络 / 随机森林 / 遥感图像 / 场景分类