基于卷积神经网络高光谱影像土地利用分类方法研究 |
| |
引用本文: | 刘雅辉,张永彬,宋唐雷,李春雨,王兴坤.基于卷积神经网络高光谱影像土地利用分类方法研究[J].赤峰学院学报(自然科学版),2022(10):15-19. |
| |
作者姓名: | 刘雅辉 张永彬 宋唐雷 李春雨 王兴坤 |
| |
作者单位: | 1. 华北理工大学矿业工程学院;2. 河北省第二测绘院 |
| |
基金项目: | 国家自然科学基金项目(41901375;42101393);;河北省自然科学基金项目(D2019209322;D2022209005);;河北省高等学校科学技术研究项目青年拔尖人才项目(BJ2020058);;唐山市科技计划重点研发项目(19150231E); |
| |
摘 要: | 土地覆盖/土地利用变化信息是全球环境变化发展的最重要信息来源之一。本文以高分五号高光谱影像为数据源,采用主成分分析(Principal Component Analysis,PCA)方法进行特征提取,并选用前六个主成分作为分类数据,利用基于卷积神经网络(Convolutional Neural Networks, CNN)的分类方法进行分类,并以支持向量机(Support Vector Machine, SVM)和RF(Random Forest,RF)分类方法进行对比。结果表明,基于CNN的分类方法获得的总体分类精度最高,达到87.67%,Kappa系数为0.84,总体精度相较于基于SVM和RF分类方法的总体精度分别提高了9.00%和8.00%;基于SVM和RF的分类方法的分类结果“椒盐”噪声明显,基于CNN的分类方法可以很好地改善这种情况;基于SVM和RF的分类结果对草地、林地以及其他用地等的分类精度较低,错分比率较高,而基于CNN的分类方法可以有效地改善这种情况。
|
关 键 词: | 高光谱影像 卷积神经网络 主成分分析 土地利用制图 |
|
|