高精度監(jiān)測土地利用對實現(xiàn)可持續(xù)發(fā)展有重要意義。然而,由于遙感傳感器成像的限制和地物的復(fù)雜性,單一的高光譜和多光譜圖像已經(jīng)不能滿足高精度土地利用分類的要求,充分利用高光譜和多光譜遙感圖像的互補信息能克服僅采用單一遙感圖像分類的不足。該研究設(shè)計雙分支卷積神經(jīng)網(wǎng)絡(luò)協(xié)同高光譜和多光譜遙感圖像進(jìn)行土地利用分類。針對高光譜圖像設(shè)計3維-1維卷積神經(jīng)網(wǎng)絡(luò)（3D-1D Convolutional Neural Networks,3D-1D CNN）分支自動提取高光譜圖像的空間-光譜特征;針對多光譜圖像,設(shè)計3維卷積神經(jīng)網(wǎng)絡(luò)（3D Convolutional Neural Networks,3D CNN）分支提取多光譜圖像的空間-光譜特征;設(shè)計融合層將從高光譜和多光譜圖像提取的特征進(jìn)行融合,最后通過全連接層輸出土地利用類別。研究表明,與決策樹（Decision Tree,DT）、支持向量機(jī)（Support Vector Machine,SVM）以及1D、2D和3D CNN方法相比,該文提出的基于雙分支卷積神經(jīng)網(wǎng)絡(luò)的方法在兩個數(shù)據(jù)集上Kappa系數(shù)平均分別提升了15.9、8.1、5.4、5.4和2.7個百... 

【文章來源】：農(nóng)業(yè)工程學(xué)報. 2020,36(14)北大核心EICSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

試驗數(shù)據(jù)的真彩色圖像

基于雙分支卷積網(wǎng)絡(luò)的高光譜與多光譜圖像協(xié)同土地利用分類流程圖

本文設(shè)計3D CNN分支（如圖3中C所示）提取多光譜圖像的空間和光譜特征。該網(wǎng)絡(luò)分支包括3個3D卷積層，1個3D最大值下采樣層。每個卷積層后都進(jìn)行批量標(biāo)準(zhǔn)化，激活函數(shù)采用Leaky ReLU。最后將提取的多光譜圖像空間-光譜特征轉(zhuǎn)成向量形式。2.2.3 雙分支特征融合

【參考文獻(xiàn)】：
期刊論文
[1]基于特征優(yōu)選隨機(jī)森林算法的農(nóng)耕區(qū)土地利用分類[J]. 王李娟,孔鈺如,楊小冬,徐藝,梁亮,王樹果.  農(nóng)業(yè)工程學(xué)報. 2020(04)
[2]基于Sentinel-1A影像和一維CNN的中國南方生長季早期作物種類識別[J]. 趙紅偉,陳仲新,姜浩,劉佳.  農(nóng)業(yè)工程學(xué)報. 2020(03)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像場景分類[J]. 孟慶祥,吳玄.  測繪通報. 2019(07)
[4]深度學(xué)習(xí)在遙感影像分類與識別中的研究進(jìn)展綜述[J]. 王斌,范冬林.  測繪通報. 2019(02)
[5]基于裸土期多時相遙感影像特征及最大似然法的土壤分類[J]. 劉煥軍,楊昊軒,徐夢園,張新樂,張小康,于滋洋,邵帥,李厚萱.  農(nóng)業(yè)工程學(xué)報. 2018(14)
[6]基于網(wǎng)格搜索隨機(jī)森林算法的工礦復(fù)墾區(qū)土地利用分類[J]. 陳元鵬,羅明,彭軍還,王軍,周旭,李少帥.  農(nóng)業(yè)工程學(xué)報. 2017(14)
[7]基于多季相光譜混合分解和決策樹的干旱區(qū)土地利用分類[J]. 姜宛貝,孫強強,曲葳,劉曉娜,于文婧,孫丹峰.  農(nóng)業(yè)工程學(xué)報. 2016(19)
[8]圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動化學(xué)報. 2016(09)
[9]Land Cover Classification of RADARSAT-2 SAR Data Using Convolutional Neural Network[J]. LIN Wei,LIAO Xiangyong,DENG Juan,LIU Yao.  Wuhan University Journal of Natural Sciences. 2016(02)
[10]利用多時相雷達(dá)數(shù)據(jù)進(jìn)行多云多雨地區(qū)的土地利用分類研究[J]. 徐天,丁華祥.  測繪通報. 2014(09)

博士論文
[1]基于高光譜數(shù)據(jù)的多源遙感圖像協(xié)同分類研究[D]. 陸小辰.哈爾濱工業(yè)大學(xué) 2018
[2]基于深度學(xué)習(xí)的高光譜影像分類方法研究[D]. 馬曉瑞.大連理工大學(xué) 2017



本文編號：3476025