基于面向對象與深度學習的榆樹疏林識別方法研究

作者：陳昂,楊秀春,徐斌,金云翔,張文博,郭劍,邢曉語,楊東

摘要：榆樹疏林是渾善達克沙地中一種特殊的植被類型,它對于維持區域生態系統穩定具有重要意義,在防風固沙、涵養水源、調節氣候等方面發揮著重要的作用。本文利用無人機影像與GF-2影像,對高分辨率數據源中榆樹疏林的兩種自動識別方法進行了研究。在面向對象方法中,首先通過計算影像對象的局部方差變化率得到了最佳分割尺度;其次采用隨機森林算法對初選特征的重要性進行排序,并刪除無關特征;最后分別對支持向量機(SVM)、隨機森林(RF)、深度神經網絡(DNN)3種分類器進行參數尋優與榆樹疏林提取。此外,在ENVI5.5中基于TensorFlow框架,利用U-Net構建深度學習模型對榆樹疏林進行了提取,并與面向對象方法進行對比。結果顯示:①通過面向對象方法過程的優化,最終的識別精度較以往研究有所提升,GF-2影像中SVM總體精度為90.14%,RF總體精度為90.57%,DNN總體精度為91.14%;無人機影像中SVM總體精度為97.70%,RF與DNN總體精度為97.42%。②深度學習方法中,GF-2影像的總體精度為91.00%,無人機影像的總體精度達到了98.43%。研究結果說明在榆樹疏林提取中,無人機影像具有更高的空間分辨率,更豐富的紋理、形狀等信息,能達到比GF-2影像更高的精度。面向對象方法對于2種影像都有較高的適用性;深度學習的方法在本文中更適用于無人機影像,它可以有效地減少無人機影像中的錯分現象。

發文機構：農業部農業信息技術重點實驗室中國農業科學院農業資源與農業區劃研究所 北京林業大學草業與草原學院

關鍵詞：榆樹疏林無人機面向對象機器學習深度學習渾善達克沙地Elm sparse forestUAVobject-based methodmachine learningdeep learningHunshandake sandy land

分類號： TP3[自動化與計算機技術—計算機科學與技術]