假设有一张叫做gaofen.tif的高分遥感影像，通过CNN实现特征提取，请给出相关代码

这里提供一个简单的示例代码：

import tensorflow as tf

# 定义输入和输出的维度
input_shape = (256, 256, 3)
output_dim = 64

# 定义模型
model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=input_shape),
    tf.keras.layers.MaxPooling2D((2,2)),
    tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D((2,2)),
    tf.keras.layers.Conv2D(128, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D((2,2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(output_dim, activation='relu')
])

# 编译模型
model.compile(optimizer='adam', loss='mse')

# 加载数据
image_data = tf.keras.preprocessing.image.load_img('gaofen.tif')
image_array = tf.keras.preprocessing.image.img_to_array(image_data)

# 预处理数据
image_array = tf.keras.applications.resnet50.preprocess_input(image_array)

# 获取特征
features = model.predict(tf.expand_dims(image_array, axis=0))

这个示例代码使用了 TensorFlow 库，定义了一个简单的卷积神经网络模型，输入为高分遥感影像的三通道图像，输出为一个长度为 64 的向量。模型编译后，加载并预处理高分遥感影像数据，然后使用模型预测得到特征向量。请注意，这里的模型仅仅是一个示例，实际应用中需要根据具体任务和数据进行调整。