结合水体指数与卷积神经网络的遥感水体提取

摘要：

常用多光谱遥感水体提取少有兼顾光谱与空间信息,致使水体提取的可靠性和准确性难以保证.在利用遥感水体光谱特性的同时,融入深度学习算法,提出归一化差分水体指数(normalized difference water index,NDWI)与深度学习联合的遥感水体提取方法.该方法首先选取典型水体样本进行训练,构建深度学习卷积神经网络(convolutional neural networks,CNN)水体识别模型.其次,计算多光谱影像NDWI指数并分割成图斑,以图斑包络矩形构建初始的水体目标子区.最后,构建NDWI指数与CNN水体识别概率的联合估计模型,并以迭代运算实现最优化遥感水体提取.实验验证了该方法的高可靠性与准确性.相比常用方法,水体识别准确率高达94.19％,而错分率仅为5.04％,显著提高了水体提取精度.

关键词：深度学习、归一化差分水体指数、卷积神经网络、水体提取、空谱联合

所属期刊栏目：32

分类号：TP751(遥感技术)

资助基金：国家自然科学基金41401526;江西省自然科学基金20171BAB213025;流域生态与地理环境监测国家测绘地理信息局重占实验室资助课题WE2015003;江西省教育厅科技项目与江西省高等学校科技落地计划项目KJLD14049

在线出版日期：2017-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：82-86