结合水体指数与卷积神经网络的遥感水体提取

被引：36

作者：

何海清 ^{[1
,2
,3
]}

杜敬 ^{[1
,2
]}

陈婷 ^{[4
]}

陈晓勇 ^{[1
,2
]}

机构：

[1] 东华理工大学测绘工程学院

[2] 流域生态与地理环境监测国家测绘地理信息局重点实验室

[3] 武汉大学资源与环境科学学院

[4] 东华理工大学水资源与环境工程学院

来源：

遥感信息 | 2017年 / 32卷 / 05期

关键词：

深度学习; 归一化差分水体指数; 卷积神经网络; 水体提取; 空谱联合;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP751 [图像处理方法];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081002 ;

摘要：

常用多光谱遥感水体提取少有兼顾光谱与空间信息,致使水体提取的可靠性和准确性难以保证。在利用遥感水体光谱特性的同时,融入深度学习算法,提出归一化差分水体指数(normalized difference water index,NDWI)与深度学习联合的遥感水体提取方法。该方法首先选取典型水体样本进行训练,构建深度学习卷积神经网络(convolutional neural networks,CNN)水体识别模型。其次,计算多光谱影像NDWI指数并分割成图斑,以图斑包络矩形构建初始的水体目标子区。最后,构建NDWI指数与CNN水体识别概率的联合估计模型,并以迭代运算实现最优化遥感水体提取。实验验证了该方法的高可靠性与准确性。相比常用方法,水体识别准确率高达94.19%,而错分率仅为5.04%,显著提高了水体提取精度。

引用

页码：82 / 86

页数：5

共 16 条

[11] Object recognition in remote sensing images using sparse deep belief networks [J].

Diao, Wenhui ;

Sun, Xian ;

Dou, Fangzheng ;

Yan, Menglong ;

Wang, Hongqi ;

Fu, Kun .

REMOTE SENSING LETTERS, 2015, 6 (10) :745-754

[12]

Machine Learning in Automatic Speech Recognition: A Survey[J] . Jayashree Padmanabhan,Melvin Jose Johnson Premkumar.IETE Technical Review . 2015 (4)

[13]

Named Entity Recognition in Chinese Clinical Text Using Deep Neural Network[J] . Indra Neil Sarkar,Andrew Georgiou,Paulo Mazzoncini de Azevedo Marques,Yonghui Wu,Min Jiang,Jianbo Lei,Hua Xu.Studies in Health Technology and Informatics . 2015

[14] A Mixed Mode Neural Network Circuitry for Object Recognition Application [J].

Erkmen, Burcu ;

Vural, Revna Acar ;

Kahraman, Nihan ;

Yildirim, Tulay .

CIRCUITS SYSTEMS AND SIGNAL PROCESSING, 2013, 32 (01) :29-46

[15] The use of the normalized difference water index (NDWI) in the delineation of open water features [J].

McFeeters, SK .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 1996, 17 (07) :1425-1432

[16] 基于谱间特征与比值型指数的水体影像识别分析 [J].

钟春棋 ;

曾从盛 ;

柳铮铮 .

地球信息科学, 2008, (05) :663-669

← 1 2 →