摘要：針對(duì)高分辨率光學(xué)遙感影像場(chǎng)景具有同類型內(nèi)部差異大、不同類型間相似度高導(dǎo)致部分場(chǎng)景識(shí)別困難的問題,本文提出了一種深度度量學(xué)習(xí)方法。首先在深度學(xué)習(xí)模型的特征輸出層上為每類預(yù)設(shè)聚類中心,其次基于歐氏距離方法設(shè)計(jì)均值中心度量損失項(xiàng),最后聯(lián)合交叉熵?fù)p失項(xiàng)以及權(quán)重與偏置正則項(xiàng)構(gòu)成模型的損失函數(shù)。該方法的目標(biāo)是在特征空間上使同類型特征聚集并擴(kuò)大類型間的距離以提高分類準(zhǔn)確率。試驗(yàn)結(jié)果表明,本文方法有效地提升了分類準(zhǔn)確率。在RSSCN7、UC Merced和NWPU-RESISC45數(shù)據(jù)集上,與現(xiàn)有方法相比,分類準(zhǔn)確率分別提高了1.46%、1.09%和2.51%。