栅格DEM微地形分类的卷积神经网络法
针对传统规则化知识的栅格数字高程模型(digital elevation model,DEM)微地形分类方法自动化程度低、分类不完全等缺陷,构建了一种适用于栅格DEM微地形自动分类的卷积神经网络(convolutional neural network,CNN)模型.借助该模型具有自动深入学习样本数据和挖掘隐含分类信息的优势,提出了栅格DEM微地形分类的卷积神经网络方法并创建了其自动化实现流程.以山体部位分类为典型样例进行实验验证分析,实验结果统计显示:在山体部位分出的山顶、山肩、背坡、麓坡、趾坡和冲积地6类微地形中,分类精准程度最高的为冲积地,最低的为趾坡,准确率分别达到了99.64%和92.95%;栅格DEM数据的像元大小影响其分类准确率,5m×5m的栅格DEM比2.5m×2.5m扣10m×10m更适应山体部位分类的卷积神经网络法.
地形分类;栅格数字高程模型;卷积神经网络;山体部位
46
P237(摄影测量学与测绘遥感)
国家自然科学基金;特殊环境道路工程湖南省重点实验室长沙理工大学开放基金;长沙理工大学学术学位研究生科研创新项目
2021-10-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
1186-1193