采用深度学习的遥感图像花生种植区域分类技术研究

• 作者: 唐林波 李震 黄云 龙腾
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 农作物 分类 深度学习 遥感 农业监测
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 应用
• 页码范围: 617-622
• 页数: 6页
• 分类号: TP753
• 字数: 3421字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2019.04.012

摘要

近年来,深度学习在图像处理和数据分析等方面取得了巨大的进展.针对传统遥感估计农作物种植面积统计方法时效性差、依赖人工操作经验、耗费人力资源等问题,以Sentinel-2卫星遥感影像为数据基础,提出了一种基于深度学习的农作物种植区域分类方法.实验以从背景中提取出花生种植区域为目标,首先对Sentinel-2遥感影像数据进行预处理,然后用人工目视解译的方法标注遥感影像中种植花生的区域,将标注后的图像输入到图像分割网络中进行训练,最后将测试图像输入到训练好的分割网络,获得测试结果:检测准确率为89.20％,检测召回率为79.22％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙腾	北京理工大学嵌入式实时信息处理技术北京市重点实验室	222	2398	22.0	38.0
5	唐林波	北京理工大学嵌入式实时信息处理技术北京市重点实验室	39	375	10.0	18.0
9	黄云	北京理工大学嵌入式实时信息处理技术北京市重点实验室	1	5	1.0	1.0
13	李震	北京理工大学嵌入式实时信息处理技术北京市重点实验室	6	21	3.0	4.0