Indexed by：
Abstract：
针对目前高分辨率遥感影像耕作梯田提取方法普遍精度不高的问题,提出一种面向对象与卷积神经网络相结合的方法.以福建省南平市为例,构建面向对象卷积神经网络,利用高分辨率GF-2和ZY-3遥感数据进行耕作梯田精细提取,并对比分析深度学习与传统方法、不同分辨率数据源以及不同分类器对提取效果的影响.结果表明:该方法总体精度达到87.1％,Kappa系数为0.76,与采用低层次特征的随机森林分类对比,总体精度提高了10.2％;分别结合深层次特征与随机森林、XG Boost和Ada Boost分类器,总体精度差异小于2％;该方法基于GF-2影像的提取精度较ZY-3提高了4.6％.此方法可有效表征高分辨率影像梯田对象的深层图像特征,并顾及影像中梯田的边界信息,实现了梯田的精细提取.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
遥感信息
ISSN： 1000-3177
Year： 2022
Issue： 2
Volume： 37
Page： 138-144
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
