一种结合深度置信网络与最优尺度的植被提取方法
针对利用现有深度学习方法进行植被提取时出现的相邻地物处于同一窗口、分类结果出现一些无用破碎图斑和“椒盐现象”等问题,提出最优分割尺度与深度置信网络相结合的方法进行植被提取研究,并利用光谱-纹理特征等信息进行对比实验.实验结果表明,与现有的深度学习方法相比,本文方法分类结果的总体精度达到91.92%,Kappa系数为0.8677,能够有效提高实验的分类精度,而且分类结果显示本文方法能有效减轻“椒盐现象”,并能很好地表达影像上各类地物清晰的边界.
图像处理、图像分析、深度学习、深度置信网络、植被提取、无人机影像
55
TP751.1(遥感技术)
国家自然科学基金;鄱阳湖湿地与流域研究教育部重点实验室开放基金;江西省教育厅科技项目;国家重点实验室开放基金;河南大学优秀青年科研人才培育基金项目
2018-05-17(万方平台首次上网日期,不代表论文的发表时间)
共10页
152-161