结合面向对象和深度特征的高分影像树种分类

摘要：

针对传统手工提取特征方法需要专业领域知识,提取高质量特征困难的问题,将深度迁移学习技术引入到高分影像树种分类中,提出一种结合面向对象和深度特征的高分影像树种分类方法.为了获取树种的精确边界,该方法首先利用多尺度分割技术分割整幅遥感影像,并选择训练样本作为深度卷积神经网络的输入.为了避免样本数量少导致过拟合问题,采用迁移学习方法,使用ImageNet上训练的VGG16模型参数初始化深度卷积神经网络,并利用全局平局池化压缩参数,在网络最后添加1024个节点的全连接层和7个节点的Softmax分类器,利用反向传播和Adam优化算法训练网络.最后分类整幅遥感影像,生成树种专题地图.以安徽省滁州市的皇甫山国家森林公园为研究区,QuickBird高分影像作为数据源,采用本文方法进行树种分类.试验结果表明,本文方法树种分类总体精度和Kappa系数分别为78.98％和0.6850,在保证树种精度的同时实现了端到端的树种分类.

关键词：高分影像、树种分类、卷积神经网络、迁移学习、多尺度分割

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金项目41601455;安徽高校省级自然科学研究重点项目KJ2016A531

在线出版日期：2019-06-25（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：38-42