面向对象与卷积神经网络模型的GF-6 WFV影像作物分类

• 作者: 李前景 刘珺 米晓飞 杨健 余涛
• 来源期刊: 遥感学报
• 关键词: 遥感 面向对象 分类 高分六号 红边波段 卷积神经网络
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 中国遥感卫星|Chinese Satellites
• 页码范围: 549-558
• 页数: 10页
• 语种: 中文

摘要

GF-6WFV影像是中国首颗带有红边波段的中高分辨率8波段多光谱卫星的遥感影像,对于其影像及红边波段对作物分类影响的研究利用亟待展开.本文结合面向对象和深度学习提出一种适用于GF-6 WFV红边波段的卷积神经网络(RE-CNN)遥感影像作物分类方法.首先采用多尺度分割和ESP工具选择最佳分割参数完成影像分割,通过面向对象的CART决策树消除椒盐现象的同时提取植被区域,并转化为卷积神经网络的输入数据,最后基于Python和Numpy库构建的卷积神经网络模型(RE-CNN)用于影像作物分类及精度验证.有无红边波段的两组分类实验结果表明:在红边波段组,卷积神经网络(RE-CNN)作物分类识别取得了较好的效果,总体精度高达94.38％,相比无红边波段组分类精度提高了 2.83％,验证了 GF-6 WFV红边波段对作物分类的有效性.为GF-6 WFV红边波段影像用于作物的分类研究提供技术参考和借鉴价值.