面向对象与卷积神经网络模型的GF-6 WFV影像作物分类
GF-6WFV影像是中国首颗带有红边波段的中高分辨率8波段多光谱卫星的遥感影像,对于其影像及红边波段对作物分类影响的研究利用亟待展开.本文结合面向对象和深度学习提出一种适用于GF-6 WFV红边波段的卷积神经网络(RE-CNN)遥感影像作物分类方法.首先采用多尺度分割和ESP工具选择最佳分割参数完成影像分割,通过面向对象的CART决策树消除椒盐现象的同时提取植被区域,并转化为卷积神经网络的输入数据,最后基于Python和Numpy库构建的卷积神经网络模型(RE-CNN)用于影像作物分类及精度验证.有无红边波段的两组分类实验结果表明:在红边波段组,卷积神经网络(RE-CNN)作物分类识别取得了较好的效果,总体精度高达94.38%,相比无红边波段组分类精度提高了 2.83%,验证了 GF-6 WFV红边波段对作物分类的有效性.为GF-6 WFV红边波段影像用于作物的分类研究提供技术参考和借鉴价值.
遥感、面向对象、分类、高分六号、红边波段、卷积神经网络
25
十三五民用航天预研项目;国家发改委重大专项研究项目
2021-04-06(万方平台首次上网日期,不代表论文的发表时间)
共10页
549-558