面向对象结合卷积神经网络的GF-1影像遥感分类

编号 zgly0001732541

文献类型 期刊论文

文献题名 面向对象结合卷积神经网络的GF-1影像遥感分类

作者 蒋治浩  林辉  张怀清  蒋馥根 

作者单位 中南林业科技大学林业遥感信息工程研究中心  中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室  中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室  中国林业科学研究院资源信息研究所 

母体文献 中南林业科技大学学报 

年卷期 2021,(08)

页码 45-55+67

年份 2021 

分类号 TP751  TP183 

关键词 遥感分类  面向对象  最佳分割参数  卷积神经网络 

文摘内容 【目的】近年来，越来越多高时间分辨率、高空间分辨率卫星相继出现，为我们的生产生活提供了很大的便利，如何利用好这些数据庞大、信息丰富的遥感影像一直以来都是国内外研究的热点问题。其中遥感影像的分类是将大量的遥感影像应用于各个领域的基础，针对传统方法对于高分辨率影像分类精度提高难的问题，提出一种面向对象结合卷积神经网络的遥感分类方法。【方法】首先利用构建moran’s I指数与地理探测器q统计量的二维空间的方法，确定最佳分割尺度，以最大面积法确定均质因子权重，对预处理后的GF-1影像进行分割，利用分割后的对象的特征作为分类模型的输入变量，建立一维卷积神经网络（1D-CNN）的分类模型，构建了基于像元的支持向量机，面向对象的支持向量机分类模型，对研究区进行了分类。【结果】利用面向对象的一维卷积神经网络方法进行分类，分类结果总体精度为93.10%,Kappa系数为0.916 7，同基于像元支持向量机方法相比，总体精度提高了24.35%,Kappa系数提高了0.292 3；同面向对象的支持向量机方法相比，总体精度提高了6.2%,Kappa系数提高了0.074 6。【结论】利用构建的moran’s I指数与地理探测器q统计量的二维空间和最大面积法确定最佳分割参数，建立一维卷积神经网络结合面向对象的方法对遥感影像进行分类，与传统模型相比得到的分类结果精度较高，是一种快速有效的分类方法。