科研之友
微信
新浪微博
Facebook
分享链接
摘要
在对湿地遥感信息提取的过程中，当特征分析深度达到一定水平时，便会出现退化问题，导致提取结果存在较大误差，因此基于深度学习研究了湿地遥感信息的提取方法。首先，对遥感信息进行预处理，以位置固定作为控制点选择的标准。将选定的控制点均匀分布在遥感图影像中，再利用二元多项式原理对原始的遥感图像像素坐标进行变换处理。其次，采用深度学习中的深度卷积神经网络，提取经过预处理的遥感图像信息，并在网络中引入残差块，以避免退化问题的出现。最后，个性化设置ReLU激活函数，实现对不同信息的针对性提取，以减小提取结果误差。测试结果表明，设计方法对于湿地温度植被干旱指数的提取结果与实际参数之间的误差稳定在0.01内，明显低于对比方法，说明设计方法有一定的实际应用意义。
- 单位
