典型文献
基于卷积神经网络和特征选择的无人机多光谱影像林地提取方法
文献摘要：
针对林地普查过程中人工监测耗时长、数据实时性和真实性差以及遥感数据空间分辨率低的问题,使用无人机高分辨率多光谱影像,依据深度学习理论和数据降维技术,提出了一种基于卷积神经网络和特征选择的林地提取方法.从网络训练效率出发对参与提取的特征参数进行重构和筛选,利用主成分分析(principal component analysis,PCA)法和相关性分析法对多光谱数据进行降维,在最大程度保留其光谱特征和纹理特征的前提下对输出参数进行抽取,并通过构建U-Net卷积神经网络模型实现无人机多光谱影像的林地提取和精度验证.结果表明:基于卷积神经网络和特征选择的无人机多光谱影像林地提取方法可以有效避免提取结果破碎化以及草地等相近反射率地物的误分,对树木阴影区也有较好区分,识别精度能够达到84.79％.该方法在区域林地变化监测领域具有较大的应用价值与现实意义.
文献关键词：
U-Net;无人机遥感;林地提取;深度学习;多光谱影像
中图分类号：
作者姓名：
董建康;连懿;赵之江;张虎;冯晨阳
作者机构：
天津师范大学地理与环境科学学院,天津 300387;中国科学院国家天文台,北京100012
文献出处：
引用格式：
[1]董建康;连懿;赵之江;张虎;冯晨阳-.基于卷积神经网络和特征选择的无人机多光谱影像林地提取方法)[J].天津师范大学学报（自然科学版）,2022(04):64-71
A类：
B类：
特征选择,无人机多光谱影像,林地提取,查过,人工监测,数据实时性,遥感数据,数据空间,空间分辨率,深度学习理论,数据降维,降维技术,网络训练,训练效率,principal,component,analysis,相关性分析法,多光谱数据,光谱特征,纹理特征,输出参数,Net,卷积神经网络模型,模型实现,精度验证,免提,破碎化,草地,反射率,地物,树木,阴影,影区,识别精度,林地变化,变化监测,无人机遥感
AB值：
0.321214
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
