一种基于深度学习的遥感图像分类及农田识别方法

作者：宫浩; 张秀再^*; 胡敬锋

来源：现代电子技术, 2019, 42(08): 179-186.

DOI：10.16652/j.issn.1004-373x.2019.08.040

• 遥感图像分类
• 农田识别
• 深度学习
• 卷积神经网络
• 识别模型
• 网络训练

为解决便于发现我国基本农田被非法侵占的问题,针对现有神经网络收敛速度慢、识别准确率不高的缺点,提出一种基于卷积神经网络的遥感图像农田分类及识别方法。该算法使用较大的卷积核,有效地提取梯度信息;设计深度为6层的卷积神经网络,提高了网络的分类效果,且大大降低了网络的训练次数。实验结果表明,利用该识别模型对农田、建筑、荒漠以及植被的识别准确率达到98.15%,比经典AlexNet网络模型提高了6.1%;训练网络所需的迭代次数由1.49×106次左右降低到4 500次。因此,与经典AlexNet网络相比,改进的AlexNet网络用于遥感图像分类和目标图像识别,耗时更短、识别准确率更高。

• 单位
  南京信息工程大学