稀疏二階注意力機制驅動的多尺度卷積遙感圖像場景分類網絡

倪康，趙雨晴，陳志

（1 南京郵電大學 計算機學院，南京 210023）

（2 江蘇省大數據安全與智能處理重點實驗室，南京 210023）

（3 首都經濟貿易大學 管理工程學院，北京 100070）

0 引言

遙感圖像解譯是遙感圖像信息處理的關鍵內容之一［1-4］。隨著遙感技術的不斷發展，高分辨率遙感圖像的數量和成像質量均得到了快速增長和提升，這使得傳統基于人工目視的遙感圖像解譯工作不能夠滿足正常需求［5］。近年來，深度學習等相關理論知識的發展和應用，使得基于大規模數據量的遙感圖像解譯工作在解譯速度和精度上均有明顯提升。因此，遙感圖像解譯得到了國內外專家和學者的廣泛關注。

遙感圖像場景分類通過分析單幅高分辨率場景圖像中的內容并賦予其相應的類別標簽，是遙感圖像解譯的重要內容之一，現已廣泛應用于交通管制、災情預測等領域［6］。但由于場景圖像地面目標的多樣性和空間信息的復雜性使得對場景圖像的場景內容理解極具挑戰性。

近年來，深度學習理論的快速發展為高分辨率遙感圖像場景分類提供了有效途徑。相比于傳統的基于手工設計的特征描述子，深度特征表述在特征魯棒性和泛化性上的優勢［7］，使得基于深度學習的高分辨率遙感圖像場景分類迅速成為遙感圖像信息處理領域的研究熱點之一。卷積神經網絡（Convolutional Neural Networks，CNNs）在遙感圖像場景分類領域取得了較優的分類效果［8］。目前，按照特征學習的方式，基于CNNs 的遙感圖像場景分類方法可以分為：基于預訓練CNNs 特征提取和基于端到端CNNs 特征學習的場景分類算法。……