1708 / 2019-08-27 16:35:02

基于新颖的面向对象深度学习的土地利用/覆被分类方法

7、地理与地理信息科学 > 专题7：陆地生态系统遥感监测新技术与新方法

基于遥感影像的土地利用/覆被分类一直是遥感领域的核心难题之一，尤其是从高空间分辨率遥感影像获取土地利用/覆被信息。面向对象分类方法由于显著降低了分类椒盐噪音，因而非常适合处理高分辨率遥感影像土地利用/覆被分类问题。然而，传统的面向对象机器学习分类器都是浅层结构，无法有效挖掘影像的深层次信息，造成面向对象土地利用/覆被分类精度有限。研究团队创新性地提出和发展了一种新颖的面向对象深度学习（OCNN）分类方法，充分挖掘影像对象级别的遥感影像多层次信息，显著提升了城市区土地利用分类精度，具有巨大的商业应用潜力与价值；在OCNN的基础上，进一步提出了一种混合的OSVM-OCNN土地覆被分类方法，充分利用支持向量机和深度学习在抽取分割对象特征的互补优势，有效地提高了农业区域土地覆被分类精度。