1 辽宁工程技术大学测绘与地理科学学院, 辽宁 阜新 123000
2 中国测绘科学研究院, 北京 100830
针对传统浅层机器学习方法应用于高分辨影像分类时存在的问题, 提出了结合最小噪声分离变换和卷积神经网络的高分辨率影像分类方法。采用最小噪声分离分析非监督训练初始化卷积神经网络, 为提高训练速度, 使用线性修正函数作为神经网络的激活函数; 利用概率最大化采样原则减少池化过程中影像特征的缺失, 并将下采样后影像特征输入Softmax分类器进行分类。采用所提分类方法对典型地区的影像进行分类实验, 并与支持向量机和人工神经网络分类方法的分类结果进行对比。结果表明, 所提分类方法的分类精度明显高于另两种分类方法的分类精度, 并能充分挖掘高分辨遥感影像的空间信息。
遥感 高分辨影像 卷积神经网络 最小噪声分离变换 影像分类 激光与光电子学进展
2017, 54(10): 102801
1 辽宁工程技术大学测绘与地理科学学院, 辽宁 阜新 123000
2 中国测绘科学研究院, 北京 100830
针对噪声导致高分辨遥感影像分割存在过分割或者欠分割的问题, 提出结合相位一致和分水岭变换的高分辨率影像分割方法。该方法首先采用基于光谱相似性的相位一致的模型方法来获得边缘响应幅度, 再采用自动标记分水岭算法对影像进行分割; 基于相邻分割对象的空间位置、形状、面积等特征多重约束, 提出相邻分割对象合并代价函数模型, 对分割结果进行优化并获取最终分割结果。选择典型地区实验影像进行分割实验, 通过目视评价和监督评价, 并与典型分割方法进行比较, 验证所提分割方法的有效性。
遥感 高分辨率遥感影像 相位一致性 分水岭变换 影像分割 激光与光电子学进展
2017, 54(9): 092803
