首站-论文投稿智能助手
典型文献
面向对象卷积神经网络的耕作梯田提取
文献摘要:
针对目前高分辨率遥感影像耕作梯田提取方法普遍精度不高的问题,提出一种面向对象与卷积神经网络相结合的方法.以福建省南平市为例,构建面向对象卷积神经网络,利用高分辨率GF-2和ZY-3遥感数据进行耕作梯田精细提取,并对比分析深度学习与传统方法、不同分辨率数据源以及不同分类器对提取效果的影响.结果表明:该方法总体精度达到87.1%,Kappa系数为0.76,与采用低层次特征的随机森林分类对比,总体精度提高了10.2%;分别结合深层次特征与随机森林、XG Boost和Ada Boost分类器,总体精度差异小于2%;该方法基于GF-2影像的提取精度较ZY-3提高了4.6%.此方法可有效表征高分辨率影像梯田对象的深层图像特征,并顾及影像中梯田的边界信息,实现了梯田的精细提取.
文献关键词:
高分辨率遥感;卷积神经网络;面向对象分析;梯田提取;迁移学习
作者姓名:
周珏;李蒙蒙;汪小钦;吴思颖;金时来
作者机构:
福州大学空间数据挖掘与信息共享教育部重点实验室,福州350116;福建省水土保持试验站,福州350003
文献出处:
引用格式:
[1]周珏;李蒙蒙;汪小钦;吴思颖;金时来-.面向对象卷积神经网络的耕作梯田提取)[J].遥感信息,2022(02):138-144
A类:
对象卷积神经网络,梯田提取
B类:
耕作,高分辨率遥感影像,福建省南平市,建面,GF,ZY,遥感数据,精细提取,数据源,分类器,提取效果,总体精度,Kappa,低层次,层次特征,随机森林分类,分类对比,XG,Boost,Ada,高分辨率影像,图像特征,顾及,面向对象分析,迁移学习
AB值:
0.256789
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。