基于卷积神经网络的遥感图像水体提取

• 作者: 张铭飞 高国伟 胡敬芳 宋钰
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 遥感识别 卷积神经网络 深度学习 水体提取
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 研究与探讨|Research & Approach
• 页码范围: 72-74,88
• 页数: 4页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2022)01-0072-03

摘要

为解决基于遥感图像监测地表水资源变化的问题,在深度学习的框架下,基于卷积神经网络(CNN)提出了用于遥感图像水体提取的模型.利用网络爬虫的方式,搜集遥感图像,并通过随机裁剪、数据清洗等方式构建训练、验证和测试数据集.通过对低层语义特征学习提取抽象的高层特征,基于提取的高层特征进行网络模型训练.实验结果表明:水体提取的精读准确率可高达96.28％,从而验证了所提模型对于遥感图像水体提取的可行性和有效性.