典型文献
结合植被指数和卷积神经网络的遥感植被分类方法
文献摘要：
针对高分辨率遥感影像由于原始光谱信息较少而难以有效区分各类型植被,而且城乡植被差异往往被忽视等问题,并考虑到部分植被指数可以在一定程度上增大各植被类型间的差异,提出一种结合植被指数的深度学习植被分类网络,该网络在并联网络结构的基础上,引入密集连接模块与空洞空间金字塔池化模块,增强各类型植被特征信息差异,有效提高分类精度.除此之外,本文充分考虑城乡植被差异,分别对城市区域和农村区域进行验证分析,城市区域植被分类提取中整体精度为96.73％,F1得分为80.71％,交并比为69.91％,农村区域植被分类提取中整体精度为91.35％,F1得分为90.28％,交并比为82.41％,各项精度指标均高于其他深度学习方法.结果表明提出方法能够较好地区分各植被类型,且适用于多源遥感影像的植被分类提取,在城市绿地规划、农村基本农田监管等方面具有一定的应用价值.
文献关键词：
遥感与传感器;深度学习;遥感;国产高分二号;植被指数;植被分类
中图分类号：
作者姓名：
许明珠;徐浩;孔鹏;吴艳兰
作者机构：
安徽大学资源与环境工程学院,安徽合肥230601;北京空间飞行器总体设计部,北京100094;信息材料与智能感知安徽省实验室,安徽合肥230601;安徽省地理信息智能技术工程研究中心,安徽合肥230601
文献出处：
引用格式：
[1]许明珠;徐浩;孔鹏;吴艳兰-.结合植被指数和卷积神经网络的遥感植被分类方法)[J].激光与光电子学进展,2022(24):265-277
A类：
遥感与传感器
B类：
植被指数,植被分类方法,高分辨率遥感影像,光谱信息,被忽视,植被类型,分类网络,并联网络,密集连接,连接模块,空洞空间金字塔池化模块,植被特征,特征信息,息差,分类精度,除此之外,城市区域,农村区域,验证分析,整体精度,交并比,精度指标,深度学习方法,多源遥感影像,城市绿地,基本农田,国产高分二号
AB值：
0.28249
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。
