基于CNN和农作物光谱纹理特征进行作物分布制图

• 作者: 周壮 张康 李盛阳 邵雨阳
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 农作物 遥感 分类 CNN 纹理信息
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: CNN专栏
• 页码范围: 694-703
• 页数: 10页
• 分类号: TP79
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2019.4.0694

摘要

以卷积神经网络(Convolutional Neural Network,CNN)为代表的深度学习技术,在农作物遥感分类制图领域具有广阔的应用前景.以多时相Landsat 8多光谱遥感影像为数据源,搭建CNN模型对农作物进行光谱特征提取与分类,并与支撑向量机(SVM)常规分类方法进行对比.进一步引入影像纹理信息,利用CNN对农作物光谱和纹理特征进行提取,优化作物分布提取结果.实验表明:① 基于光谱特征的农作物分布提取,验证结果对比显示,CNN对应各类别精度、总体精度均优于SVM,其中二者总体精度分别为95.14％和91.77％;② 引入影像纹理信息后,基于光谱和纹理特征的CNN农作物分类总体精度提高至96.43％,Kappa系数0.952,且分类结果的空间分布更为合理,可有效区分花生、道路等精细地物,说明纹理特征可用于识别不同作物.基于光谱和纹理信息的CNN特征提取,可面向种植结构复杂区域实现农作物精准分类与分布制图.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李盛阳	中国科学院空间应用工程与技术中心	34	212	9.0	13.0
5	张康	中国科学院空间应用工程与技术中心	5	53	3.0	5.0
14	周壮	中国科学院空间应用工程与技术中心	3	22	1.0	3.0