面向对象卷积神经网络的耕作梯田提取

摘要：

针对目前高分辨率遥感影像耕作梯田提取方法普遍精度不高的问题,提出一种面向对象与卷积神经网络相结合的方法.以福建省南平市为例,构建面向对象卷积神经网络,利用高分辨率GF-2和ZY-3遥感数据进行耕作梯田精细提取,并对比分析深度学习与传统方法、不同分辨率数据源以及不同分类器对提取效果的影响.结果表明:该方法总体精度达到87.1％,Kappa系数为0.76,与采用低层次特征的随机森林分类对比,总体精度提高了10.2％;分别结合深层次特征与随机森林、XG Boost和Ada Boost分类器,总体精度差异小于2％;该方法基于GF-2影像的提取精度较ZY-3提高了4.6％.此方法可有效表征高分辨率影像梯田对象的深层图像特征,并顾及影像中梯田的边界信息,实现了梯田的精细提取.

关键词：高分辨率遥感、卷积神经网络、面向对象分析、梯田提取、迁移学习

所属期刊栏目：37

分类号：S127(农业物理学)

资助基金：国家自然科学基金;福建省高校产学研重点项目

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：138-144