| 多时相遥感影像样本迁移模型与地表覆盖智能分类 |
| |
| 引用本文： | 杜培军,林聪,陈宇,王欣,张伟,郭山川.多时相遥感影像样本迁移模型与地表覆盖智能分类[J].同济大学学报(自然科学版),2022,50(7):955-966. |
| |
| 作者姓名： | 杜培军 林聪 陈宇 王欣 张伟 郭山川 |
| |
| 作者单位： | 1.南京大学 地理与海洋科学学院，江苏 南京 210023;2.自然资源部国土卫星遥感应用重点实验室，江苏 南京 210023;3.中国矿业大学 环境与测绘学院，江苏 徐州 221116;4.成都理工大学 地质灾害防治与地质环境保护国家重点实验室，四川 成都 610059 |
| |
| 基金项目： | 国家自然科学基金（41631176） |
| |
| 摘 要： | 利用时间序列遥感影像重建过去几十年的地表覆盖是实现时空多维地理场景感知与动态建模的基础，但存档历史遥感影像分类面临样本选择难、多时相影像协同解译水平低的问题。研究提出了一种基于已有土地覆盖产品与对应遥感影像中几何及属性特征约束的样本时空迁移方法，将迁移获得的训练样本嵌入多时相地表覆盖分类框架，获得多期地表覆盖分类结果，实现历史时期地表环境的智能感知与动态制图。太湖流域多时相分类的结果表明，无监督样本迁移方法可以充分利用先验几何约束和光谱属性，从参考地表覆盖产品中快速获得可靠的训练样本，多时相分类精度均高于89%，满足大区域多时相地表覆盖的分类需求，为地理环境演变建模提供了有效支持。
|
| 关 键 词： | 遥感影像分类 地表覆盖 迁移学习 聚类分析 变化检测 |
| 收稿时间： | 2022/5/2 0:00:00 |
Training Sample Transfer Learning from Multi-temporal Remote Sensing Images for Dynamic and Intelligent Land Cover Classification |
| |
| DU Peijun,LIN Cong,CHEN Yu,WANG Xin,ZHANG Wei,GUO Shanchuan.Training Sample Transfer Learning from Multi-temporal Remote Sensing Images for Dynamic and Intelligent Land Cover Classification[J].Journal of Tongji University(Natural Science),2022,50(7):955-966. |
| |
| Authors: | DU Peijun LIN Cong CHEN Yu WANG Xin ZHANG Wei GUO Shanchuan |
| |
| Abstract: | |
| |
| Keywords: | remote sensing image classification land cover transfer learning clustering analysis change detection |
|
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《同济大学学报(自然科学版)》下载免费的PDF全文 |
