卷积神经网络在高分辨率影像分类中的应用

作者：李贤江; 陈佑启^*; 邹金秋; 石淑芹; 郭涛; 蔡为民; 陈浩

来源：农业大数据学报, 2019, 1(01): 67-77.

DOI：10.19788/j.issn.2096-6369.190107

• 高分一号
• 卷积神经网络
• 遥感
• 深度学习

【目的】将CNN应用于高分辨率遥感影像的实际分类中,并与传统的分类方法进行对比分析,揭示出不同分类方法在高分辨率遥感影像中的分类精度和适用性问题。【方法】采用最大似然、平行六面体、 K-Means均值聚类和传统神经网络等四类常用的ENVI传统分类方法以及CNN分类法,并利用混淆矩阵和空间像元误差分析对不同分类方法的分类结果进行精度评价。【结果】根据分类精度对比分析发现在传统的四种ENVI分类方法中,传统神经网络和最大似然法的分类精度相对较好, K-Means均值聚类和平行六面体的分类精度相对较差, CNN的分类精度整体上要高于ENVI传统分类方法的精度。【结论】CNN在高分辨率遥感影像分类中能够较好地提取地物信息和地物的轮廓特征,在高分辨率遥感影像分类中具有良好的适用性。

• 单位
  天津工业大学; 中国农业科学院农业资源与农业区划研究所; 天津市环境保护科学研究院