基于深度學習和遙感數據的水稻種植面積提取

打開文本圖片集

摘要：針對現(xiàn)有基于深度卷積神經網絡進行水稻（Oryza sativa L.）遙感識別中樣本采集工作量大、樣本標注要求高及水稻感受野尺度選擇難等問題，構建了一種基于像元和多尺度的深度卷積神經網絡（DCNN）水稻遙感識別模型。首先，針對水稻種植分布特點，綜合深度卷積神經網絡方法的特點，設計了基于像元的DCNN提取模型；其次，將多尺度與DCNN相結合，構建多尺度DCNN模型，增加感受野的多尺度特性；最后，為了驗證多尺度DCNN模型提取水稻的效果，以高分一號和高分二號衛(wèi)星影像為數據源，選取傳統(tǒng)機器學習SVM模型、語義分割D-Linknet模型、單一尺度DCNN模型進行分類精度對比分析。（剩余10702字）