结合水体指数与卷积神经网络的遥感水体提取
  • 【DOI】

    10.3969/j.issn.1000-3177.2017.05.013

  • 【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... 展开>>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. 收起<<

  • 【作者】

    何海清  杜敬  陈婷  陈晓勇 

  • 【作者单位】

    东华理工大学测绘工程学院/东华理工大学测绘工程学院/东华理工大学水资源与环境工程学院

  • 【刊期】

    遥感信息 ISTIC PKU 2017年5期

  • 【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  deep learning  normalized difference water index (NDWI)  convolutional neural network (CNN)  water extraction  spectral-spatial approach 

  • 【基金项目】

    国家自然科学基金 江西省自然科学基金 流域生态与地理环境监测国家测绘地理信息局重占实验室资助课题 江西省教育厅科技项目与江西省高等学校科技落地计划项目