高精度監(jiān)測(cè)土地利用對(duì)實(shí)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(bǔ)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(jì)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(duì)高光譜圖像設(shè)計(jì)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(dòng)提取高光譜圖像的空間-光譜特征;針對(duì)多光譜圖像,設(shè)計(jì)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(jì)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(gè)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(gè)百... 

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

【文章頁數(shù)】：11 頁

【部分圖文】：

試驗(yàn)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(jì)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(gè)3D卷積層，1個(gè)3D最大值下采樣層。每個(gè)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(bào). 2020(04)
[2]基于Sentinel-1A影像和一維CNN的中國(guó)南方生長(zhǎng)季早期作物種類識(shí)別[J]. 趙紅偉,陳仲新,姜浩,劉佳.  農(nóng)業(yè)工程學(xué)報(bào). 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(chǎng)景分類[J]. 孟慶祥,吳玄.  測(cè)繪通報(bào). 2019(07)
[4]深度學(xué)習(xí)在遙感影像分類與識(shí)別中的研究進(jìn)展綜述[J]. 王斌,范冬林.  測(cè)繪通報(bào). 2019(02)
[5]基于裸土期多時(shí)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(mèng)園,張新樂,張小康,于滋洋,邵帥,李厚萱.  農(nóng)業(yè)工程學(xué)報(bào). 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(bào). 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(qiáng)強(qiáng),曲葳,劉曉娜,于文婧,孫丹峰.  農(nóng)業(yè)工程學(xué)報(bào). 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(dòng)化學(xué)報(bào). 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(shí)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(cè)繪通報(bào). 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(hào)：3476025