基于深度学习的遥感影像大数据土地利
用分类
摘要:土地是人类赖以生存和发展的物质基础,是社会生产的劳动资料,是
农业生产的基本生产资料,是一切生产和一切存在的源泉。科学地进行土地利用
分类,不仅有助于提高土地利用调查研究与制图的质量,而且有利于因地制宜、
合理地组织土地利用和布局生产。随着深度学习的不断成熟,深度学习已成功的
运用于遥感影像自动分类。本文将介绍两种深度学习网络,分别是卷积神经网络
和胶囊神经网络,并通过分析其工作原理,进行优点缺点的相互比较。
关键词:土地利用分类 深度学习 卷积神经网络 胶囊神经网络
1 引言
1.1 研究背景与意义
土地利用分类是国家掌握土地资源现状、制定土地政策、合理利用土地资源
的重要的基础性工作,同时也是新时期开展国土空间规划工作的基础和前提。随
着中国经济持续高水平发展,土地浪费现象日益严重,土地资源的实际应用效率
比较低,因为土地资源短缺、土地资源利用率和森林覆盖率、耕地利用等问题都
与社会可持续发展息息相关,所以更加迫切的要求对土地资源进行合理的开发、
规划和利用 。
1.2 研究现状
经典的遥感影像分类方法主要利用遥感影像的低层次特征信息,如光谱特征、
几何特征等 ,采用不同的分类器,如主成分分析、人工神经网络等,实现遥感
影像的地物分类。Maggiori 等 采用全卷积神经元网络实现了遥感影像的像素级
分类;Scott 等 结合迁移学习,克服了遥感影像数据集标注缺乏的困境。目前,
利用深度学习算法实现高分辨率航空和航天影像的大区域(如城市级)土地利用
[4]
[3]
[2]
[1]