文献类型：期刊文章

作　　者：魏青迪[1] 范昊[1] 张承明[1]

Wei Qingdi

机构地区：[1]山东农业大学信息科学与工程学院/山东省数字农业工程技术研究中心,山东泰安271018

出　　处：《江苏农业科学》

基　　金：国家自然科学基金(编号:41471299);山东省自然科学基金(编号:ZR2017MD018);山东农业大学青年科技创新项目(编号:23659);中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室开放研究项目(编号:CAMF-201701)。

年　　份：2020

卷　　号：48

期　　号：4

起止页码：209-215

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：准确提取耕地信息对农业资源调查、遥感估产以及灾害监测等具有重要意义,从遥感图像中提取耕地的信息属于图像识别和分类的问题,目前深度学习是非常适合的方法。以语义图像分割(Deeplab)模型为基础,选择耕地为提取目标,建立了一种从高分2号遥感影像上提取耕地信息的方法耕地提取语义图像分割(ECLDeeplab)。首先分析了耕地在高分2号遥感影像上的表现特点;其次依据耕地的具体特点对Deeplab的结构进行调整,形成了能够提取耕地的网络结构;最后用训练成功的网络进行提取耕地,得到精度较高的分割结果。应用方法对山东省肥城市的2016年12月至2017年3月的10幅影像进行了试验,试验结果表明,该方法获取的耕地精度为88.3%,提取耕地信息得到了较好的结果。

关 键 词：遥感影像分类 卷积神经网络 农用地信息  ECL Deeplab模型  高分2号  华北地区  

分 类 号：S127]