基于卷积神经网络的遥感图像水体提取

张铭飞; 高国伟; 胡敬芳; 宋钰

doi:10.13873/J.1000-9787(2022)01-0072-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于卷积神经网络的遥感图像水体提取

研究与探讨 | 更新时间：2025-09-11

- 基于卷积神经网络的遥感图像水体提取
- 基于卷积神经网络的遥感图像水体提取
- 传感器与微系统 2022年第1期页码：72-74+88
- 作者机构：
  
  北京信息科技大学传感器北京市重点实验室 2. 北京信息科技大学现代测控技术教育部重点实验室 3. 传感器联合国家重点实验室中国科学院空天信息创新研究院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)01-0072-03
  中图分类号： TP183;TP751
- 纸质出版：2022
- 稿件说明：
移动端阅览
张铭飞, 高国伟, 胡敬芳, 等. 基于卷积神经网络的遥感图像水体提取[J]. 传感器与微系统, 2022,(1):72-74+88.

基于卷积神经网络的遥感图像水体提取[J]. 2022, (1): 72-74+88.
张铭飞, 高国伟, 胡敬芳, 等. 基于卷积神经网络的遥感图像水体提取[J]. 传感器与微系统, 2022,(1):72-74+88. DOI： 10.13873/J.1000-9787(2022)01-0072-03.

基于卷积神经网络的遥感图像水体提取[J]. 2022, (1): 72-74+88. DOI： 10.13873/J.1000-9787(2022)01-0072-03.

摘要

为解决基于遥感图像监测地表水资源变化的问题

在深度学习的框架下

基于卷积神经网络（CNN）提出了用于遥感图像水体提取的模型。利用网络爬虫的方式

搜集遥感图像

并通过随机裁剪、数据清洗等方式构建训练、验证和测试数据集。通过对低层语义特征学习提取抽象的高层特征

基于提取的高层特征进行网络模型训练。实验结果表明:水体提取的精读准确率可高达96.28%

从而验证了所提模型对于遥感图像水体提取的可行性和有效性。

Abstract

为解决基于遥感图像监测地表水资源变化的问题

在深度学习的框架下

基于卷积神经网络（CNN）提出了用于遥感图像水体提取的模型。利用网络爬虫的方式

搜集遥感图像

并通过随机裁剪、数据清洗等方式构建训练、验证和测试数据集。通过对低层语义特征学习提取抽象的高层特征

基于提取的高层特征进行网络模型训练。实验结果表明:水体提取的精读准确率可高达96.28%

从而验证了所提模型对于遥感图像水体提取的可行性和有效性。

关键词

Keywords

references

基于融合视觉词袋的高分遥感水体提取算法 [J]. 王鑫,徐明君,肖坚,徐立中. 系统仿真学报 . 2022(05)

基于局部自适应阈值的GF-3 SAR影像洪涝水体提取 [J]. 杨雨晴,王冬梅,徐佳. 地理空间信息 . 2021(06)

基于卷积神经网络的SAR图像水体提取 [J]. 陈坤,郝明,庄龙,谢聪. 电子测量技术 . 2021(03)

改进的Faster-RCNN目标检测方法在变电站悬挂异物检测中的应用 [J]. 刘黎,韩睿,韩译锋,齐冬莲,闫云凤. 电测与仪表 . 2021(01)

一种基于卷积神经网络的人脸识别改进算法 [J]. 王彦秋,冯英伟. 半导体光电 . 2020(04)

基于卷积神经网络的手势识别方法 [J]. 郝禹哲,张玉金,田海越,彭冬生,余洛,袁天夫. 传感器与微系统 . 2020(05)

基于全卷积神经网络的空间目标检测追踪算法 [J]. 陈梅,朱凌寒,曾梓浩,赵坤鹏. 传感器与微系统 . 2019(10)

面向灾后水体遥感信息提取的知识决策树构建及应用 [J]. 陈超,傅姣琪,随欣欣,鲁旭,谭安辉. 遥感学报 . 2018(05)

结合水体指数与卷积神经网络的遥感水体提取 [J]. 何海清,杜敬,陈婷,陈晓勇. 遥感信息 . 2017(05)

In-depth analysis of SVM kernel learning and its components [J] . Ibai Roman,Roberto Santana,Alexander Mendiburu,Jose A. Lozano. Neural Computing and Applications . 2020 (prep)

浏览量

900

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据