武汉大学CVEO小组：一种基于卷积神经网络的高分辨率遥感影像分类方法

基于对象的图像分类（OBIC）已经成为超高分辨率遥感影像土地利用的主流框架。OBIC可以利用高分辨率遥感影像中的纹理、空间几何信息，与基于像素的图像分类（PBIC）框架相比，在一定程度上克服了“椒盐”现象。

OBIC框架通常包括图像预处理，图像分割，特征提取和监督分类等过程。大多数分类方法都是处理从超像素（分割图像对象）提取的手工特征，包括光谱特征，空间特征，纹理特征等。然而，这些无监督的一维特征是从二维数据中提取出来的，导致了对象信息的丢失和泛化的困难。 而且，在这种情况下，一维特征容易变得冗余，难以达到更好的分类效果。

为了更加有效地提取分割对象的二维深度特征，克服传统的面向对象高分辨率遥感影像分类方法的不足，武汉大学CVEO小组提出了基于卷积神经网络（CNN）的高分辨率遥感影像分类方法，目前该论文已被Remote Sensing Letters（SCI）期刊接收！本论文将卷积神经网络（CNN）与OBIC框架结合起来对遥感影像进行分类，所做工作如下：

1

首先将卷积神经网络（CNN）引入到OBIC框架中，直接从超像素的原始图像块中提取二维深度特征；

2

提出了两种掩模对超像素进行预处理；

3

设计了两种CNN模型（SiCNNs and DiCNNs）对超像素数据和掩模数据同时进行处理。

实验结果表明：所提出的模型比其他模型和传统的OBIC框架在不同的数据集中均能获得更好的效果，总体精度（OA）最高可提高11.63%。部分结果如下：

前两行为传统方法分类结果，最后一行为本文所提出模型的分类结果

珞瑜129

珞瑜129是测绘、空间信息行业人才、技术、资本和资源交流的专业线下平台；目的是汇聚业界精英，凝聚行业力量，建立跨界合作渠道。珞瑜129真诚为您提供以下服务：

7

棋牌

8

茶艺

珞瑜129对武汉测绘科技大学、武汉大学校友免费开放，在这里您既可以体会到学术的浓厚氛围，又可以在推杯换盏之间感受中华茶文化的博大精深！

武汉大学正门中科开物大厦17楼

珞瑜129战略合作伙伴

1

湖北富瑞尔科技有限公司

2

湖北思倍人力资源有限公司

@珞瑜129

前沿资讯 | 学术分享 | 干货

- luoyu_129 -