文献类型：期刊文章

作　　者：何海清[1,2,3] 杜敬[1,2] 陈婷[4] 陈晓勇[1,2]

机构地区：[1]东华理工大学测绘工程学院,南昌330013 [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,南昌330013 [3]武汉大学资源与环境科学学院,武汉430079 [4]东华理工大学水资源与环境工程学院,南昌330013

出　　处：《遥感信息》

基　　金：国家自然科学基金(41401526);江西省自然科学基金(20171BAB213025);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资助课题(WE2015003);江西省教育厅科技项目;江西省高等学校科技落地计划项目(KJLD14049)

年　　份：2017

卷　　号：32

期　　号：5

起止页码：82-86

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、核心刊

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。

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  

分 类 号：TP751]