基于CNN和农作物光谱纹理特征进行作物分布制图

编号 zgly0001683709

文献类型 期刊论文

文献题名 基于CNN和农作物光谱纹理特征进行作物分布制图

作者 周壮  李盛阳  张康  邵雨阳 

作者单位 中国科学院空间应用工程与技术中心  中国科学院太空应用重点实验室  中国科学院大学 

母体文献 遥感技术与应用 

年卷期 2019年04期

年份 2019 

分类号 S126  TP751  TP183 

关键词 农作物  遥感  分类  CNN  纹理信息 

文摘内容 以卷积神经网络(Convolutional Neural Network,CNN)为代表的深度学习技术,在农作物遥感分类制图领域具有广阔的应用前景。以多时相Landsat 8多光谱遥感影像为数据源,搭建CNN模型对农作物进行光谱特征提取与分类,并与支撑向量机(SVM)常规分类方法进行对比。进一步引入影像纹理信息,利用CNN对农作物光谱和纹理特征进行提取,优化作物分布提取结果。实验表明:①基于光谱特征的农作物分布提取,验证结果对比显示,CNN对应各类别精度、总体精度均优于SVM,其中二者总体精度分别为95.14%和91.77%;②引入影像纹理信息后,基于光谱和纹理特征的CNN农作物分类总体精度提高至96.43%,Kappa系数0.952,且分类结果的空间分布更为合理,可有效区分花生、道路等精细地物,说明纹理特征可用于识别不同作物。基于光谱和纹理信息的CNN特征提取,可面向种植结构复杂区域实现农作物精准分类与分布制图。