基于栈式自编码的水体提取方法

被引：17

作者：

王知音 ^{[1
]}

禹龙 ^{[2
]}

田生伟 ^{[1
]}

钱育蓉 ^{[1
]}

丁建丽 ^{[3
]}

杨柳 ^{[1
]}

机构：

[1] 新疆大学软件学院

[2] 新疆大学网络中心

[3] 新疆大学资源与环境科学学院

来源：

计算机应用 | 2015年 / 35卷 / 09期

关键词：

遥感图像; 水体提取; 深度学习; 栈式自编码; softmax分类器;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

为了进一步提高利用遥感图像进行水体提取的准确率和自动化程度,提出一种基于栈式自编码(SAE)深度神经网络的水体提取方法。通过堆叠稀疏自编码器构建深度网络模型,使用逐层贪婪训练法依次训练每层网络,从像素层面无监督学习特征,避免传统神经网络等方法需进行人工特征分析与选取的问题;用学习到的特征结合相应的样本标签有监督训练softmax分类器;利用反向传播(BP)算法微调优化整个模型。采用塔里木河ETM+数据进行实验,基于SAE的水体提取方法准确率达到94.73%,比支持向量机(SVM)和反向传播(BP)神经网络方法分别高出3.28%和4.04%。实验结果表明,所提方法能有效提高水体提取的精度。

引用

页码：2706 / 2709

页数：4

共 14 条

[1] 基于DBN模型的遥感图像分类 [J].