一种改进深度卷积神经网络的海岛识别方法

• 作者: 何婉雯 宋巍 曲念毅 王振华 钟元芾 黄冬梅
• 来源期刊: 上海海洋大学学报
• 学科: 工学
• 关键词: 深度卷积神经网络 遥感影像 海岛识别 卷积运算
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 海洋信息学
• 页码范围: 474-480
• 页数: 7页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.12024/jsou.20190402576

摘要

受不规律潮汐的影响,现有的海岛地物类别自动识别方法存在精度低和时效性差等问题,通过改进深度卷积神经网络提出了一种基于遥感影像的海岛快速识别方法:(1)在深度卷积神经网络的卷积层中增设1×1的卷积核作为瓶颈单元,对多波段的遥感影像进行降维;(2)在池化层引入了重采样方法,基于灰度值对海量的遥感影像进行特征压缩.以300景Landsat-8遥感影像为源数据,分别采用CNN、RCNN和本文改进的深度卷积神经网络对遥感影像中的海岛进行识别,实验结果表明:(1)改进的深度卷积神经网络降低了海岛识别的计算耗时,其计算耗时仅为CNN的4.56％和RCNN的5.60％;(2)改进的深度卷积神经网络较CNN和RCNN提高了海岛识别的精度,识别精度分别为96.0％、93.3％和95.0％.结果说明,改进的深度卷积神经网络适用于面向遥感影像的海岛自动识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王振华	上海海洋大学信息学院	36	126	7.0	10.0
2	黄冬梅		13	15	2.0	3.0
3	何婉雯	上海海洋大学信息学院	5	2	1.0	1.0
4	宋巍	上海海洋大学信息学院	20	31	4.0	5.0
5	曲念毅	上海海洋大学信息学院	3	2	1.0	1.0
6	钟元芾	上海海洋大学信息学院	3	0	0.0	0.0