期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法 被引量:4
1
作者 许长青 陈振杰 侯仁福 《计算机应用》 CSCD 北大核心 2020年第12期3550-3557,共8页
遥感影像解译是获得土地利用和土地覆盖(LULC)信息最为重要的途径之一,而自动化分类是提高LULC信息获取效率的关键。实际场景中包含大量不精准的先验知识,提取并融合其中的可用知识能进一步提高影像分类方法的精度、自动化率和规模应用... 遥感影像解译是获得土地利用和土地覆盖(LULC)信息最为重要的途径之一,而自动化分类是提高LULC信息获取效率的关键。实际场景中包含大量不精准的先验知识,提取并融合其中的可用知识能进一步提高影像分类方法的精度、自动化率和规模应用能力。基于上述情况,提出了一种融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法。该方法可自动规避先验知识中的不精准单元,在图斑约束空间内实现了分类样本的自动化区域选择和特征提取,并获得了高置信度知识,然后利用这些分类样本训练深度残差网络,从而实现大区域影像的精确分类。以常州市新北区为例进行实验,选用该区域2009年土地利用现状数据作为先验数据,2014年Landsat 8 OLI影像作为待分类影像。实验结果表明,所提方法可融合不精准先验知识,对大面积连片LULC信息分类精确,主要地类图斑界限准确,全图分类图斑精度达到了88.7%,Kappa系数为0.842。该方法能配合深度学习方法实现高精度Landsat 8OLI遥感影像分类。 展开更多
关键词 土地利用和土地覆盖分类 Landsat 8 OLI 不精准先验知识 样本自动选取 样本特征 深度学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部