论文部分内容阅读
遥感图像场景分类对土地资源管理具有重要意义,然而高分辨率遥感图像中地物分布复杂,图像中存在着与当前场景无关的冗余信息,会对场景的精确分类造成影响.针对该问题,提出一种基于脉冲卷积神经网络(Spike Convolutional Neural Network, SCNN)稀疏表征的场景分类方法.从稀疏表征出发,利用脉冲神经元的稀疏脉冲输出特性,设计脉冲卷积神经网络,去除遥感图像中与场景无关的冗余信息,实现对图像的稀疏表征;提出了基于脉冲输出交叉熵损失函数的反向传播算法,在该算法的基础上利用梯度下降训练