典型文献
基于深度学习与融合地形特征的黄土陷穴面向对象提取方法
文献摘要：
黄土陷穴作为黄土高原地区一种特殊的地貌类型及地质灾害,其研究对指导黄土地区水土保持与工程建设工作具有重要意义.现阶段对陷穴的研究多基于传统野外调查,该方式成本高、效率低.为此,该研究开展面向对象与卷积神经网络(Convolutional Neural Networks,CNN)相结合的黄土陷穴自动化提取方法研究,并讨论融合地形特征对CNN模型提取精度的影响.研究选取黄土陷穴发育的典型区域,基于WorldView3遥感数据与ALOS高程数据,通过莫兰指数与灰度共生矩阵熵值确定影像的分割尺度,以面向对象的方式提取黄土陷穴的光谱、形状、纹理以及地形特征,制作融合地形特征与未融合地形特征的两类训练样本,进而训练两种CNN模型对同一区域内黄土陷穴进行提取,根据精确率、召回率以及F1分数评价模型的提取精度、分析对比两种CNN模型的提取结果,并建立支持向量机(Support Vector Machine,SVM)模型与CNN模型进行比较.研究结果表明,融合地形特征进行训练的CNN模型精确率达94.62％,召回率达86.27％、F1分数达90.26％,综合提取性能最好,相较于未融合地形特征训练的CNN模型,黄土陷穴的错分量大大减少,精确率提升18.10个百分点,F1分数提升9.15个百分点;两种CNN模型F1分数均达80％以上,比SVM模型分别高出6.94个百分点,16.09个百分点,提取结果均优于SVM模型;综上,融合地形特征的CNN模型可快速、精确地提取黄土陷穴,从而为黄土地区陷穴防治工作提供支持.
文献关键词：
遥感;提取;卷积神经网络;面向对象;黄土陷穴;地形特征;影像分割
中图分类号：
作者姓名：
苏旭;黄骁力;王春;吴复柱;江岭
作者机构：
河北工程大学地球科学与工程学院,邯郸 056038;滁州学院地理信息与旅游学院,滁州 239000
文献出处：
引用格式：
[1]苏旭;黄骁力;王春;吴复柱;江岭-.基于深度学习与融合地形特征的黄土陷穴面向对象提取方法)[J].农业工程学报,2022(10):102-110
A类：
黄土陷穴,WorldView3
B类：
地形特征,面向对象提取,黄土高原地区,地貌类型,地质灾害,黄土地区,水土保持,野外调查,Convolutional,Neural,Networks,自动化提取,典型区域,遥感数据,ALOS,高程数据,莫兰指数,灰度共生矩阵,训练样本,内黄,精确率,召回率,分数评价,分析对比,Support,Vector,Machine,综合提取,错分,大大减少,百分点,防治工作,影像分割
AB值：
0.244104
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。
