面向多应用场景的遥感图像LSTM分类模型

遥感图像能够更为丰富地反映地物内部信息，但多种应用场景下会出现时间序列关键特征难以提取，导致图像分类效果不佳的问题。为此，设计一种面向多应用场景的遥感图像长短期记忆(Long Short Term Memory, LSTM)网络分类模型。对场景遥感图像时间序列特征进行表示；改进动态时间弯曲质平均算法，利用改进算法提取场景遥感图像时间序列关键形态特征；构建LSTM模型，利用梯度下降法训练LSTM模型，更新网络的权值与偏置，在训练完成的网络内，输入时间序列关键形态特征，输出遥感图像场景分类结果。实验结果表明，所设计模型可有效分类遥感图像场景，对场景遥感图像分类的Kappa值为0.97,分类耗时5.6 s,分类不同类别遥感图像场景时的预测分布方差最大为0.6,该方法的分类精度较高，且消融实验结果显示所设计模型的召回率高达95%,F1值高达0.96,由此可见，所设计模型对场景遥感图像分类具有显著的有效性。