编号
zgly0001594958
文献类型
期刊论文
文献题名
基于面向对象与深度学习的典型地物提取
作者单位
北华航天工业学院
河北省航天遥感信息处理与应用协同创新中心
航天恒星科技有限公司
母体文献
国土资源遥感
年卷期
2018年01期
年份
2018
分类号
TP751
关键词
面向对象
深度学习
卷积神经网络
目标识别
文摘内容
针对遥感图像地物分割问题面向对象方法可以将不同地物分割到不同的对象之中,在很大程度上解决了农作物、林地、水体、道路、建筑物等典型地物的混分问题,但面向对象方法对于形状、纹理等特征描述仍不够全面,信息量还不足以支撑完整的地物分类、识别。提出一种将面向对象与深度学习相结合的新方法,选用卷积神经网络Caffe框架,对训练样本数据进行深度学习,掌握不同对象的纹理等特性,形成深度学习模型,反过来指导对象分类。实验表明,新方法可以有效解决典型地物分不准的问题。