1 长安大学地质工程与测绘学院，陕西 西安 710054
2 中国自然资源航空物探遥感中心，北京 100083
3 武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉 430079
目前主流的神经网络在面对复杂多样的地物目标时难以精确区分，同时样本数量少、弱监督条件也容易为神经网络带来大量噪声与错误。为此，在分析遥感影像的地物特点后，提出一种基于权重动态变形的双重网络遥感影像分类方法，通过构架灵活、简易却有效的权重动态变形结构，构建经过改进的分类网络与目标识别网络，形成双网络对照的自我验证，从而提高学习性能、修复误差、增补遗漏、提高分类精度。实验结果表明，所提方法在容易实施的基础上，表现出更强的地物认知能力和更强的噪声抵抗能力，即其能够适应各种遥感影像的分类任务，具有较为广阔的应用潜力。
遥感影像分类 神经网络 权重动态变形 双重神经网络 自我验证 激光与光电子学进展
2024, 61(8): 0828001
