关键词：cnn mlp 林分类型 图像斑块大小 

摘要：【目的】基于遥感影像的林分类型分类在现代林业中是一项重要的应用。本文试图构建一个基于高分二号(GF-2)影像林分类型分类的卷积神经网络(CNN)模型,探索CNN在遥感图像像素级分类这一领域的发展潜力。【方法】以GF-2卫星遥感影像为数据源,利用Tensorflow(一种开源用于机器学习的框架)构建4种不同图像斑块大小(m=5,7,9,11)为输入的CNN,同时以传统的神经网络模型——多层感知器(MLP)为基准,比较不同图像斑块大小下的CNN分类图的分类效果和分类精度。【结果】实验分类结果表明:CNN(m=9)得出最高的分类精确度,总体精度比MLP和CNN(m=5,7,11)分别高出10.91%和6.55%、1.3%、2.54%。分类图的可视化结果也表明CNN(m=9)更好地解决了'椒盐现象'与过度平滑后的边界不确定性问题。【结论】CNN能够在利用高分影像光谱特征的同时充分挖掘影像的空间特征,从而提高分类精度,同时在利用CNN基于遥感影像分类时,根据数据源以及地物的特点选择合适的图像斑块大小作为输入是提高分类精度与分类效果的关键措施。

北京林业大学学报杂志要求:

{1}在本刊发表文章，需引用本刊至少两篇最近两年发表的论文作参考文献。

{2}文稿要求论述充分有力，研究方法严谨创新。

{3}来稿文责自负，本刊有稿件删改权，如不同意，请来稿时注明。

{4}中文关键词一般曲3-8个，选词要规范，应尽量从汉语工题词表中选取，英文关键词应与中卫关键词一一对应，不能采用英文缩写。

{5}文题一般不宜超过30个字，应以简明、确切的词语反映文章中最主要的特定内容。避免用副标题。文题不用非公知公认的缩写或符号。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社