1 河南大学环境与规划学院, 河南 开封 475004
2 南昌工程学院江西省水信息协同感知与智能处理重点实验室, 江西 南昌 330099
针对利用现有深度学习方法进行植被提取时出现的相邻地物处于同一窗口、分类结果出现一些无用破碎图斑和“椒盐现象”等问题,提出最优分割尺度与深度置信网络相结合的方法进行植被提取研究,并利用光谱-纹理特征等信息进行对比实验。实验结果表明,与现有的深度学习方法相比,本文方法分类结果的总体精度达到91.92%,Kappa系数为0.8677,能够有效提高实验的分类精度,而且分类结果显示本文方法能有效减轻“椒盐现象”,并能很好地表达影像上各类地物清晰的边界。
图像处理 图像分析 深度学习 深度置信网络 植被提取 无人机影像 激光与光电子学进展
2018, 55(2): 021001
