融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法

• 作者: 侯仁福 许长青 陈振杰
• 来源期刊: 计算机应用
• 学科: 地球科学
• 关键词: 土地利用和土地覆盖分类 Landsat8OLI 不精准先验知识 样本自动选取 样本特征 深度学习
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 3550-3557
• 页数: 8页
• 分类号: P407.8|TP391.413
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020040446

摘要

遥感影像解译是获得土地利用和土地覆盖(LULC)信息最为重要的途径之一,而自动化分类是提高LULC信息获取效率的关键.实际场景中包含大量不精准的先验知识,提取并融合其中的可用知识能进一步提高影像分类方法的精度、自动化率和规模应用能力.基于上述情况,提出了一种融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法.该方法可自动规避先验知识中的不精准单元,在图斑约束空间内实现了分类样本的自动化区域选择和特征提取,并获得了高置信度知识,然后利用这些分类样本训练深度残差网络,从而实现大区域影像的精确分类.以常州市新北区为例进行实验,选用该区域2009年土地利用现状数据作为先验数据,2014年Landsat 8 OLI影像作为待分类影像.实验结果表明,所提方法可融合不精准先验知识,对大面积连片LULC信息分类精确,主要地类图斑界限准确,全图分类图斑精度达到了88.7％,Kappa系数为0.842.该方法能配合深度学习方法实现高精度Landsat 8 OLI遥感影像分类.