基于深度学习与融合地形特征的黄土陷穴面向对象提取方法

摘要：

黄土陷穴作为黄土高原地区一种特殊的地貌类型及地质灾害,其研究对指导黄土地区水土保持与工程建设工作具有重要意义.现阶段对陷穴的研究多基于传统野外调查,该方式成本高、效率低.为此,该研究开展面向对象与卷积神经网络(Convolutional Neural Networks,CNN)相结合的黄土陷穴自动化提取方法研究,并讨论融合地形特征对CNN模型提取精度的影响.研究选取黄土陷穴发育的典型区域,基于WorldView3遥感数据与ALOS高程数据,通过莫兰指数与灰度共生矩阵熵值确定影像的分割尺度,以面向对象的方式提取黄土陷穴的光谱、形状、纹理以及地形特征,制作融合地形特征与未融合地形特征的两类训练样本,进而训练两种CNN模型对同一区域内黄土陷穴进行提取,根据精确率、召回率以及F1分数评价模型的提取精度、分析对比两种CNN模型的提取结果,并建立支持向量机(Support Vector Machine,SVM)模型与CNN模型进行比较.研究结果表明,融合地形特征进行训练的CNN模型精确率达94.62％,召回率达86.27％、F1分数达90.26％,综合提取性能最好,相较于未融合地形特征训练的CNN模型,黄土陷穴的错分量大大减少,精确率提升18.10个百分点,F1分数提升9.15个百分点;两种CNN模型F1分数均达80％以上,比SVM模型分别高出6.94个百分点,16.09个百分点,提取结果均优于SVM模型;综上,融合地形特征的CNN模型可快速、精确地提取黄土陷穴,从而为黄土地区陷穴防治工作提供支持.

关键词：遥感、提取、卷积神经网络、面向对象、黄土陷穴、地形特征、影像分割

所属期刊栏目：38

分类号：TP79(遥感技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;安徽省高校科学研究项目;河北省自然科学基金;滁州学院科研启动基金项目;滁州市科技计划项目;安徽省留学回国人员创新项目

在线出版日期：2022-08-26（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：102-110