基于迁移学习的无人机影像耕地信息提取方法

• 作者: 付萧 刘铁刚 庄文化 李龙国 贺一楠 鲁恒
• 来源期刊: 农业机械学报
• 学科: 地球科学
• 关键词: 耕地信息 无人机影像 信息提取 迁移学习 深度卷积神经网络
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 农业自动化与环境控制
• 页码范围: 274-279,284
• 分类号: P231.5|TP75
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2015.12.037

摘要

随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高.同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中.但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出耕地信息.基于此,提出了一种利用迁移学习机制的耕地提取方法(TLCLE).首先,利用深度卷积神经网络(DCNN)剔除线状地物(道路、田埂等),然后,通过引入迁移学习机制将DCNN特征训练过程中得到的特征提取方法迁移到耕地提取中,最后,将所提方法与利用易康(eCognition)软件进行耕地提取(ECLE)结果进行对比.研究结果表明:对于实验影像1、2,TLCLE方法耕地提取总体精度分别为91.9％、88.1％,ECLE方法总体精度分别为90.3％、88.3％,2种方法提取精度相当,在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李龙国	四川大学水力学与山区河流开发保护国家重点实验室	44	229	8.0	13.0
5	庄文化	四川大学水力学与山区河流开发保护国家重点实验室	22	82	5.0	8.0
9	鲁恒	四川大学水力学与山区河流开发保护国家重点实验室	11	70	3.0	8.0
13	付萧	西南交通大学地球科学与环境工程学院	4	63	3.0	4.0
14	贺一楠	北卡罗来纳大学地理与地球科学学院	1	35	1.0	1.0