文献类型：期刊文章

作　　者：金永涛[1,2] 杨秀峰[1,2] 高涛[3] 郭会敏[3] 刘世盟[1]

机构地区：[1]北华航天工业学院,廊坊065000 [2]河北省航天遥感信息处理与应用协同创新中心,廊坊065000 [3]航天恒星科技有限公司,北京100086

出　　处：《国土资源遥感》

基　　金：国家高分辨率对地观测系统重大专项"基于高分数据的京津冀一体化协同发展区域监测技术"(编号:67-Y20A07-9002-16/17);河北省科技计划"基于北斗系统和高分遥感数据的县域集成信息服务平台关键技术研究"(编号:16210310D);河北省军民结合产业发展专项资金"协同创新中心-基于国产高分数据的县域农业遥感监测与分析"(编号:JMJHZX-2016-01)共同资助

年　　份：2018

卷　　号：30

期　　号：1

起止页码：22-29

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2017_2018、GEOREFPREVIEWDATABASE、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对遥感图像地物分割问题面向对象方法可以将不同地物分割到不同的对象之中,在很大程度上解决了农作物、林地、水体、道路、建筑物等典型地物的混分问题,但面向对象方法对于形状、纹理等特征描述仍不够全面,信息量还不足以支撑完整的地物分类、识别。提出一种将面向对象与深度学习相结合的新方法,选用卷积神经网络Caffe框架,对训练样本数据进行深度学习,掌握不同对象的纹理等特性,形成深度学习模型,反过来指导对象分类。实验表明,新方法可以有效解决典型地物分不准的问题。

关 键 词：面向对象 深度学习  卷积神经网络 目标识别

分 类 号：TP79]