论文研究 学习多模式特征以用于高分辨率遥感影像的场景分类

高分辨率遥感（HRRS）图像的场景分类是一个重要的研究课题，已广泛应用于许多领域。 深度学习方法因其具有表征复杂模式的强大学习能力而在该领域显示出了巨大的潜力。 但是，深度学习方法会忽略HRRS图像的某些全局和局部信息。 为此，在本文中，我们展示了采用显式的全局和本地信息来为深层模型提供补充信息的努力。 具体来说，我们使用基于补丁的MS-CLBP方法来获取全局和局部表示，然后将经过预训练的CNN模型视为特征提取器，并从全连接层提取深层次的特征。 经过费舍尔向量（FV）编码后，我们获得了场景图像的整体视觉表示。 我们将场景分类视为一种重建过程，并训练对应类别的几种特定于类别的堆栈降噪自动编码器（