改进型DeepLab的极化SAR果园分类

• 作者: 周志刚 王云艳 罗冷坤
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 高分辨率 空洞卷积 深度学习 多孔空间金字塔 深度可分离网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 遥感图像处理
• 页码范围: 2035-2044
• 页数: 10页
• 分类号: TP181
• 字数: 5805字
• 语种: 中文

摘要

目的 针对农作物种植趋向集中化、机械化和庄园化的现状,高分辨率遥感影像精准识别技术已广泛应用于农作物分类.研究表明,采用先进的深度学习算法挖掘高分辨率农作物影像信息,有利于高效地分析农作物长势和参量预测,为此,提出一种改进型深度神经网络(DeepLab)的高分辨率果园遥感图像分割算法.方法 首先提取原始数据的极化特征和基于相干/非相干分解的特征组成高维特征空间,然后选用流行学习降维方式获得最优3通道特征向量构成伪彩图,利用深度可分离网络(xception)、空洞卷积网络(atrous convolution)、多孔空间金字塔(ASPP)和上采样(upsample)搭建DeepLab的编码解码过程(encoder-decoder),最后将伪彩训练集和标签导入搭建的DeepLab进行训练并保存模型,利用模型对目标数据进行有效分类.结果 利用本算法对中国海南某地的Ⅰ期芒果、Ⅱ期芒果、Ⅲ期芒果、槟榔、龙眼5类水果进行分类,针对不同时期的同一种水果分类错误率下降了8％左右,相比传统的果园分类算法,本算法的kappa系数提高了约0.1,总体分类精度(OA)也有一定程度的提高.结论 本算法在保证不同类别水果分类准确率的基础上,提高了不同时期的同一类水果的分类准确率,在一定程度上提高了农作物长势分析的准确性,保证了高分辨率果园数据分析的可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王云艳	湖北工业大学电气与电子工程学院	24	76	6.0	8.0
2	罗冷坤		2	1	1.0	1.0
3	周志刚	湖北工业大学电气与电子工程学院	4	1	1.0	1.0