基于迁移学习的无人机影像耕地信息提取方法

摘要：

随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高.同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中.但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出耕地信息.基于此,提出了一种利用迁移学习机制的耕地提取方法(TLCLE).首先,利用深度卷积神经网络(DCNN)剔除线状地物(道路、田埂等),然后,通过引入迁移学习机制将DCNN特征训练过程中得到的特征提取方法迁移到耕地提取中,最后,将所提方法与利用易康(eCognition)软件进行耕地提取(ECLE)结果进行对比.研究结果表明:对于实验影像1、2,TLCLE方法耕地提取总体精度分别为91.9％、88.1％,ECLE方法总体精度分别为90.3％、88.3％,2种方法提取精度相当,在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法.

关键词：耕地信息、无人机影像、信息提取、迁移学习、深度卷积神经网络

所属期刊栏目：46

分类号：P231.5;TP75(摄影测量学与测绘遥感)

资助基金：国家自然科学基金青年科学基金资助项目51209153、41301021、数字制图与国土信息应用工程国家测绘地理信息局重点实验室开放基金资助项目DM2014SC02和国土资源部地学空间信息技术重点实验室开放基金资助项目KLGSIT2015-04

在线出版日期：2016-04-06（万方平台首次上网日期，不代表论文的发表时间）

页码：274-279,284