基于CNN和農作物光譜紋理特征進行作物分布制圖
周壯; 李盛陽; 張康; 邵雨陽 中國科學院空間應用工程與技術中心; 北京100094; 中國科學院太空應用重點實驗室; 北京100094; 中國科學院大學; 北京100049
關鍵詞：農作物 遙感 分類 cnn 紋理信息
摘要：以卷積神經網絡(Convolutional Neural Network,CNN)為代表的深度學習技術,在農作物遙感分類制圖領域具有廣闊的應用前景。以多時相Landsat 8多光譜遙感影像為數據源,搭建CNN模型對農作物進行光譜特征提取與分類,并與支撐向量機(SVM)常規分類方法進行對比。進一步引入影像紋理信息,利用CNN對農作物光譜和紋理特征進行提取,優化作物分布提取結果。實驗表明:①基于光譜特征的農作物分布提取,驗證結果對比顯示,CNN對應各類別精度、總體精度均優于SVM,其中二者總體精度分別為95.14%和91.77%;②引入影像紋理信息后,基于光譜和紋理特征的CNN農作物分類總體精度提高至96.43%,Kappa系數0.952,且分類結果的空間分布更為合理,可有效區分花生、道路等精細地物,說明紋理特征可用于識別不同作物。基于光譜和紋理信息的CNN特征提取,可面向種植結構復雜區域實現農作物精準分類與分布制圖。
遙感技術與應用雜志要求:
{1}來稿如獲得某種研究基金或課題資助，請在論文首頁左下角注明課題的名稱和編號。
{2}本刊堅決反對任何形式的論文署名“搭便車”現象，對多作者署名的文章將進行更為嚴格的審核。
{3}文題應以新穎獨特的邏輯文字組合準確地反映研究工作的內容實質和特點,文題要求簡潔而信息量豐富。
{4}來稿在正文之外，請提供題名、內容摘要 (300-500字)、關鍵詞 (3-5條)及其英譯
{5}文稿首頁頁腳處注明投稿日期和通信作者簡介（包括姓名、出生年、性別、職稱、學位、研究方向、E-mail）。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
