基于低空遥感与迁移学习的土地利用信息快速制图方法

被引:4
作者
鲁恒 [1 ,2 ]
付萧 [3 ,4 ]
刘超 [1 ,2 ]
李龙国 [1 ,2 ]
李乃稳 [1 ,2 ]
庄文化 [1 ,2 ]
机构
[1] 四川大学水力学与山区河流开发保护国家重点实验室
[2] 四川大学水利水电学院
[3] 西南交通大学地球科学与环境工程学院
[4] 汉诺威大学摄影测量与地理信息研究所
关键词
低空遥感技术; 土地利用信息; 分类制图; 不变对象获取; 知识迁移学习; 先验知识;
D O I
暂无
中图分类号
S127 [遥感技术在农业上的应用];
学科分类号
082804 ;
摘要
为解决样本的手工获取和常规的目视解译难以适应目前农业土地资源信息自动化提取的需求问题,引入时空数据挖掘技术,运用关联知识迁移学习机制,提出了一种基于知识迁移学习的高分辨遥感影像土地利用信息分类制图方法(KTLC)。首先,运用改进的均值漂移算法对新的待分类制图影像进行分割获得影像对象,然后,将分割后对象的矢量边界与前时相土地利用矢量专题图进行配准、嵌套,通过叠加分析获取当前影像中的不变对象,并通过光谱、空间信息阈值筛选完成不变对象的提纯,进而将历史专题图中的地物类别知识迁移到新影像对象上,建立新的特征与地物类别映射关系,最后,运用决策树构建分类规则完成当前影像的快速分类制图,并将所提方法与利用易康(e Cognition)软件进行分类(EC)的结果进行对比。研究结果表明,对于2组实验影像,KTLC方法分类总体精度分别为88.61%、88.30%,EC方法分类的总体精度分别为89.87%、84.84%,2种方法分类制图精度相当,但在效率方面,KTLC方法优于EC方法。
引用
收藏
页码:262 / 269
页数:8
相关论文
共 20 条
[1]   多星数据协同的地块尺度作物分类与面积估算方法研究 [J].
黄启厅 ;
覃泽林 ;
曾志康 .
地球信息科学学报, 2016, 18 (05) :708-717
[2]   基于迁移学习的无人机影像耕地信息提取方法 [J].
鲁恒 ;
付萧 ;
贺一楠 ;
李龙国 ;
庄文化 ;
刘铁刚 .
农业机械学报, 2015, 46 (12) :274-279+284
[3]   考虑地形特征的无人机影像分区域加权平差拼接方法 [J].
鲁恒 ;
李龙国 ;
贺一楠 ;
庄文化 ;
蔡诗响 ;
何敬 .
农业机械学报, 2015, 46 (09) :296-301
[4]  
Segmentation of High Spatial Resolution Remote Sensing Images of Mountainous Areas Based on the Improved Mean Shift Algorithm[J]. LU Heng,LIU Chao,LI Nai-wen,GUO Jia-wei.Journal of Mountain Science. 2015(03)
[5]   农作物种植结构遥感提取研究进展 [J].
胡琼 ;
吴文斌 ;
宋茜 ;
余强毅 ;
杨鹏 ;
唐华俊 .
中国农业科学 , 2015, (10) :1900-1914
[6]   农业遥感研究现状与展望 [J].
史舟 ;
梁宗正 ;
杨媛媛 ;
郭燕 .
农业机械学报, 2015, 46 (02) :247-260
[7]   农业遥感研究与应用进展 [J].
赵春江 .
农业机械学报, 2014, 45 (12) :277-293
[8]   基于无人机影像的农情遥感监测应用 [J].
王利民 ;
刘佳 ;
杨玲波 ;
陈仲新 ;
王小龙 ;
欧阳斌 .
农业工程学报, 2013, 29 (18) :136-145
[9]   我国农业信息化发展的瓶颈与应对策略思考 [J].
王儒敬 .
中国科学院院刊, 2013, 28 (03) :337-343
[10]  
Research on Development of Agricultural Geographic Information Ontology[J]. HUANG Yong-qi1,2,CUI Wei-hong3,ZHANG Yang-jian1 and DENG Gao-yan4 1 Institute of Geographical Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101,P.R.China 2 Hubei Key Laboratory of Economic Forest Germplasm Improvement and Resources Comprehensive Utilization,Huanggang Normal University,Huanggang 438000,P.R.China 3 Institute of Remote Sensing Applications,Chinese Academy of Sciences,Beijing