遥感影像样本自动生成与智能迭代分类方法

针对先验知识未能有效指导智能分类、智能分类与样本采集相对独立的问题，提出遥感影像样本自动生成与智能迭代分类方法。首先利用遥感影像及对应的历史解译数据构建样本数据集；其次利用深度卷积神经网络模型进行训练，得到预训练模型；再次利用预训练模型对即时遥感影像进行智能分类，得到智能分类结果；最后将校正后分类结果反馈到样本数据集，完成样本数据集的更新，利用更新后的样本数据集对智能分类模型进行迭代优化，形成模型与样本的优化闭环。试验结果表明：该方法通过样本自动生成与更新，以及模型迭代训练，能够提升智能分类模型精度，为解决先验知识未充分利用、智能分类与样本采集相对独立、分类结果未实时反馈等问题提供思路。