期刊在线咨询服务,发表咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)
关键词:农作物 遥感 分类 cnn 纹理信息
摘要:以卷积神经网络(Convolutional Neural Network,CNN)为代表的深度学习技术,在农作物遥感分类制图领域具有广阔的应用前景。以多时相Landsat 8多光谱遥感影像为数据源,搭建CNN模型对农作物进行光谱特征提取与分类,并与支撑向量机(SVM)常规分类方法进行对比。进一步引入影像纹理信息,利用CNN对农作物光谱和纹理特征进行提取,优化作物分布提取结果。实验表明:①基于光谱特征的农作物分布提取,验证结果对比显示,CNN对应各类别精度、总体精度均优于SVM,其中二者总体精度分别为95.14%和91.77%;②引入影像纹理信息后,基于光谱和纹理特征的CNN农作物分类总体精度提高至96.43%,Kappa系数0.952,且分类结果的空间分布更为合理,可有效区分花生、道路等精细地物,说明纹理特征可用于识别不同作物。基于光谱和纹理信息的CNN特征提取,可面向种植结构复杂区域实现农作物精准分类与分布制图。
遥感技术与应用杂志要求:
{1}来稿如获得某种研究基金或课题资助,请在论文首页左下角注明课题的名称和编号。
{2}本刊坚决反对任何形式的论文署名“搭便车”现象,对多作者署名的文章将进行更为严格的审核。
{3}文题应以新颖独特的逻辑文字组合准确地反映研究工作的内容实质和特点,文题要求简洁而信息量丰富。
{4}来稿在正文之外,请提供题名、内容摘要 (300-500字)、关键词 (3-5条)及其英译
{5}文稿首页页脚处注明投稿日期和通信作者简介(包括姓名、出生年、性别、职称、学位、研究方向、E-mail)。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社