基于自编码网络特征优化的城市高分遥感影像分类 |
| |
作者姓名: | 张丹璐 吕京国 成喆 曹逸飞 汪凌峰 |
| |
作者单位: | 北京建筑大学测绘与城市空间信息学院,北京 100044;中国科学院自动化研究所模式识别国家重点实验室,北京 100190 |
| |
摘 要: | 高分遥感影像不仅地物比较清晰,而且可分辨能力强,能提供丰富的地物细节信息.为了更好地将各地物从遥感影像中提取出来,需要一些比较好的特征提取与特征优化方法.以北京市大兴区的WorldView-2高分遥感影像作为研究对象,基于eCognition软件和Matlab的DeepLearn Toolbox,利用自编码网络方法,进行遥感影像的特征提取与特征优化.实验中首先利用eCognition进行多尺度分割并提取42个特征,再利用自编码网络算法进行特征优化得到12个特征,最后将原42个特征影像分类结果与优化后特征子集影像分类结果进行对比.实验结果表明,经过自编码网络的特征空间优化后,减少了特征冗余,降低了干扰信息对分类精度的影响,分类精度、分类效果及分类效率都有所提高,优化后的特征空间是适用于高分遥感的地物分类的.
|
关 键 词: | 高分辨率遥感 自编码网络 影像分类 特征优化 特征提取 |
本文献已被 CNKI 万方数据 等数据库收录! |
|