首页 > 论文 > 激光与光电子学进展 > 57卷 > 24期(pp:241004)

基于改进3D-CNN的多源遥感数据树种识别研究 [Early Posting]

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对森林复杂冠层结构和林分高密度下遥感树种识别精度不高问题,将能够提取高维数据立体特征的三维卷积神经网络(3D-CNN)引入到遥感影像树种识别中,并利用残差网络(ResNets)对其进行改进,提出三维残差卷积神经网络(3D-RCNN),以减少网络深度带来的误差,降低退化现象的影响。联合高分五号高光谱数据(GF-5 AHIS)和高分六号高空间分辨率数据(GF-6 PMS),辅以森林资源数据和外业调查数据构建样本集。结合3D-RCNN思想构建树种识别模型,利用模型进行树种识别和精度验证。实验结果表明,相较于传统3D-CNN,3D-RCNN算法将模型网络从12层增加到18层,能够深化网络结构,缓解网络退化;联合GF-5 AHIS和GF-6 PMS能够有效地识别北亚热带森林树种,且3D-RCNN算法识别精度(91.72%)要优于传统3D-CNN(85.65%)和SVM(85.22%)。

广告组1 - 空间光调制器+DMD
补充资料

DOI:10.3788/lop57.241004

作者单位:

    新疆农业大学草业与环境科学学院
    滁州学院计算机与信息工程学院
    滁州学院计算机与信息工程学院
    安徽师范大学地理与旅游学院
    新疆师范大学地理科学与旅游学院

引用该论文

栗旭升,陈冬花,刘赛赛,李虎,张乃明. 基于改进3D-CNN的多源遥感数据树种识别研究[J].激光与光电子学进展,2020,57(24):241004.