基于面向对象与深度学习的典型地物提取

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 金永涛  杨秀峰  高涛  郭会敏  刘世盟 

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。