| 利用卷积神经网络提取高分辨率遥感图像喀斯特森林信息 |
| |
| 引用本文： | 王修信,杨路路,汤谷云,罗涟玲,孙涛,潘玉英.利用卷积神经网络提取高分辨率遥感图像喀斯特森林信息[J].科学技术与工程,2020,20(17):6773-6777. |
| |
| 作者姓名： | 王修信 杨路路 汤谷云 罗涟玲 孙涛 潘玉英 |
| |
| 作者单位： | 广西师范大学计算机科学与信息工程学院,桂林 541004;广西多源信息挖掘与安全重点实验室,桂林541004;广西师范大学计算机科学与信息工程学院,桂林 541004;广西师范大学生命科学学院,桂林541004 |
| |
| 基金项目： | 国家自然科学基金项目（面上项目，重点项目，重大项目） |
| |
| 摘 要： | 针对喀斯特地区受山区复杂地形的影响岩溶山峰在太阳辐射下存在阴坡和阳坡,高分辨率遥感图像中喀斯特森林植被的光谱特征较复杂,"同物异谱"和"异物同谱"现象严重,导致传统的机器学习算法提取森林植被精度不高的问题,根据实践经验将多源多特征融合构成提取喀斯特森林信息特征,改进标准的卷积神经网络(convolutional neural network,CNN),将支持向量机(support vector machine,SVM)与卷积神经网络相结合(CNN-SVM)应用于遥感分类,并与CNN、随机森林(random forest,RF)、支持向量机等方法进行比较。结果表明,CNN-SVM、CNN两种深度学习方法的提取喀斯特森林信息精度均明显高于RF和SVM等浅层模型方法。CNN-SVM综合了CNN提取遥感高阶特征的能力和SVM的分类性能,分类精度在90%以上,高于标准的CNN。深度学习CNN可有效地区分农作物,提高喀斯特森林植被信息的提取精度。
|
| 关 键 词： | 喀斯特森林 遥感提取 高分辨率图像 卷积神经网络 |
| 收稿时间： | 2019/9/19 0:00:00 |
| 修稿时间： | 2020/3/1 0:00:00 |
Karst Forest Extraction from High Resolution Remote Sensing Images Using Convolutional Neural Network |
| |
| Wang Xiuxin,Yang Lulu,Tang Guyun,Luo Lianling,Sun Tao,Pan Yuying.Karst Forest Extraction from High Resolution Remote Sensing Images Using Convolutional Neural Network[J].Science Technology and Engineering,2020,20(17):6773-6777. |
| |
| Authors: | Wang Xiuxin Yang Lulu Tang Guyun Luo Lianling Sun Tao Pan Yuying |
| |
| Institution: | Guangxi Normal University |
| |
| Abstract: | |
| |
| Keywords: | karst forest remote sensing extraction high resolution images convolutional neural network |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
