基于面向对象与深度学习的榆树疏林识别方法研究

作者：陈昂,杨秀春,徐斌,金云翔,张文博,郭剑,邢晓语,杨东

摘要：榆树疏林是浑善达克沙地中一种特殊的植被类型,它对于维持区域生态系统稳定具有重要意义,在防风固沙、涵养水源、调节气候等方面发挥着重要的作用。本文利用无人机影像与GF-2影像,对高分辨率数据源中榆树疏林的两种自动识别方法进行了研究。在面向对象方法中,首先通过计算影像对象的局部方差变化率得到了最佳分割尺度;其次采用随机森林算法对初选特征的重要性进行排序,并删除无关特征;最后分别对支持向量机(SVM)、随机森林(RF)、深度神经网络(DNN)3种分类器进行参数寻优与榆树疏林提取。此外,在ENVI5.5中基于TensorFlow框架,利用U-Net构建深度学习模型对榆树疏林进行了提取,并与面向对象方法进行对比。结果显示:①通过面向对象方法过程的优化,最终的识别精度较以往研究有所提升,GF-2影像中SVM总体精度为90.14%,RF总体精度为90.57%,DNN总体精度为91.14%;无人机影像中SVM总体精度为97.70%,RF与DNN总体精度为97.42%。②深度学习方法中,GF-2影像的总体精度为91.00%,无人机影像的总体精度达到了98.43%。研究结果说明在榆树疏林提取中,无人机影像具有更高的空间分辨率,更丰富的纹理、形状等信息,能达到比GF-2影像更高的精度。面向对象方法对于2种影像都有较高的适用性;深度学习的方法在本文中更适用于无人机影像,它可以有效地减少无人机影像中的错分现象。

发文机构：农业部农业信息技术重点实验室中国农业科学院农业资源与农业区划研究所 北京林业大学草业与草原学院

关键词：榆树疏林无人机面向对象机器学习深度学习浑善达克沙地Elm sparse forestUAVobject-based methodmachine learningdeep learningHunshandake sandy land

分类号： TP3[自动化与计算机技术—计算机科学与技术]