关键词：非下采样小波变换 频带特征融合 指导学习 样本融合 场景分类 

摘要：高分辨率卫星遥感图像场景信息的分类对影像分析和解译具有重要意义,传统的高分辨卫星遥感图像场景分类方法主要依赖于人工提取的中、低层特征且不能很好的利用图像丰富的场景信息,针对这一问题,提出一种基于频带特征融合与GL-CNN(Guided Learning Convolutional Neural Network,指导学习卷积神经网络)的分类方法。首先通过NSWT(Non-Subsampled Wavelet Transform,非下采样小波变换)提取出图像的高低频子带,将高频子带进行频带特征融合得到融合高频子带,然后联合频谱角向能量分布曲线的平稳区间分析实现融合高频子带与低频子带的样本融合,最后指导卷积神经网络自动提取图像的高低频子带包含的高层特征来实现场景分类。通过对UCM_LandUse 21类数据进行试验表明,本文方法的分类正确率达到94.52%,相比以往算法有显著提高。

遥感技术与应用杂志要求:

{1}来稿如获得某种研究基金或课题资助，请在论文首页左下角注明课题的名称和编号。

{2}本刊坚决反对任何形式的论文署名“搭便车”现象，对多作者署名的文章将进行更为严格的审核。

{3}文题应以新颖独特的逻辑文字组合准确地反映研究工作的内容实质和特点,文题要求简洁而信息量丰富。

{4}来稿在正文之外，请提供题名、内容摘要  (300-500字)、关键词  (3-5条)及其英译

{5}文稿首页页脚处注明投稿日期和通信作者简介（包括姓名、出生年、性别、职称、学位、研究方向、E-mail）。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社