基于OverFeat模型的长江口南汇潮滩植被分类

论文摘要

潮滩地带环境复杂多变,有些植被之间光谱特性相似,为了解决植被精细分类精度不高的问题,利用基于ImageNet预训练的卷积神经网络OverFeat模型,以高分二号（GF-2）卫星遥感影像作为实验数据,对长江口南汇潮滩不同生长状态的植被进行了深度特征提取,然后将模型训练好的深度特征输入到支持向量机（SVM）分类器中,得到植被分布信息。研究结果表明,与基于光谱特征的SVM分类方法相比,文章所用方法的分类精度更高,总体精度可达96.08%,证明了使用基于ImageNet数据集的预训练卷积神经网络对不同生长状态的植被可以实现较好的识别。

论文目录

• 0前言
• 1 模型方法
•   1.1 OverFeat模型
•   1.2 SVM分类方法
• 2 实验与结果分析
•   2.1 研究区域
•   2.2 实验数据
•   2.3 潮滩植被主成分分析特征提取
•   2.4 潮滩植被OverFeat模型深度特征提取
•     2.4.1 微调OverFeat模型
•     2.4.2 深度特征提取
•   2.5 潮滩植被SVM分类
•   2.6 潮滩植被分类结果
•   2.7 潮滩植被分类精度
• 3 结论

文章来源

类型: 期刊论文

作者: 李静,韩震,王文柳,崔艳荣

关键词: 卷积神经网络,特征提取,分类

来源: 生态科学 2019年04期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 生物学,工业通用技术及设备,自动化技术

单位: 上海海洋大学海洋科学学院,上海河口海洋测绘工程技术研究中心

基金: 国土资源部公益性行业科研专项(201211009)

分类号: TP751;Q949

DOI: 10.14108/j.cnki.1008-8873.2019.04.019

页码: 135-141

总页数: 7

文件大小: 5471K

下载量: 109