采用全卷积神经网络与多波段遥感图像结合的湿地分类方法

摘要：

针对目前湿地分类方法精确度不足问题,采用全卷积神经网络(Fully Convolutional Neural,FCN)结合Landsat8 OLI多波段遥感图像对湿地图像进行特征点提取,并采用4组RGB数据结合的方式对图像特征点进行进一步的校验与选取,提高分类精度,然后利用改进支持向量机(Support Vector Machine,SVM)对所提取的特征点进行判别与分类.实验结果表明采用该实验方法能够较为精确而高效地提取湿地信息,总体分类精度为94.97％,Kappa系数为0.94,与采用全卷积神经网络和随机森林、BP(Back propagation,BP)人工神经网络、Stacking集成算法结合的湿地分类方法在总体精度各个提高了11.68％、11.26％与9.95％,该方法与单一的全卷积神经网络(RefineNet、SegNet、UNet)相比,对湿地图像的提取总体分类精度较高,该方法兼具能够提取特征,训练参数较少适用于样本数量少的多维土地覆盖类型数据分类,对湿地生态环境的保护与治理具有一定的指导意义.

关键词：湿地、分类、全卷积神经网络、多波段遥感分析、支持向量机

所属期刊栏目：44

分类号：TP391.4;TP183(计算技术、计算机技术)

资助基金：国家自然科学基金50672009

在线出版日期：2022-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：26-34