10.11873/j.issn.1004-0323.2021.2.0265
基于卷积神经网络的面向对象露天采场提取
矿产资源的过度开发会对自然环境造成严重的负影响,矿山环境监测对生态文明建设具有十分重要意义.在目前的矿山环境监测中,机器学习算法被广泛的使用并取得了较为良好的效果.近年来,随着深度学习领域的快速发展,相关理论知识也逐渐被应用于遥感图像处理中.将深度学习算法与面向对象的思想相结合,以高分二号影像作为研究数据,使用卷积神经网络对河南省禹州市的采矿区进行了以露天采场为主的开发占地类型信息提取,并与支持向量机方法进行对比,最终得到卷积神经网络的总体精度为91.85%,Kappa系数为0.90,均高于支持向量机方法,提取结果也与实际更加相符.表明该方法在露天采场提取中的优势和可行性,可为矿区的环境监测和科学管理提供可靠的技术支撑.
露天采场、面向对象、卷积神经网络、深度学习、矿产资源
36
X87;TP183(环境遥感)
国家自然科学基金项目62071439、61601418、61871259
2021-07-26(万方平台首次上网日期,不代表论文的发表时间)
共10页
265-274