%0 Journal Article
%T 基于深度学习AlexNet的遥感影像地表覆盖分类评价研究
%A 余凡
%A 张继贤
%A 赵有松
%A 邓喀中
%A 党宇
%J 地球信息科学
%D 2017
%X 摘要： 地表覆盖分类信息是反映自然、人工地表覆盖要素的综合体,包含植被、土壤、冰川、河流、湖泊、沼泽湿地及各类人工构筑物等元素,侧重描述地球表面的自然属性,具有明确的时间及空间特性。地表覆盖分类信息数据量大、现势性强、人工评价费时,其自动化评价长期以来存在许多技术难点。本文基于面向对象的图斑分类体系,引入深度卷积神经网络对现有地理国情普查-地表覆盖分类数据进行分类评价,并通过试验利用AlexNet模型实现地表覆盖分类评价验证。试验结果表明,该方法可有效判读耕地、房屋2类图斑,正确分类隶属度优于99%,而由于数据较少、训练不充分,林地、水体图斑正确分类隶属度不高,分别为62.73%和43.59%。使用本文方法,经过大量数据充分微调的深度学习AlexNet可有效地计算图斑的地类隶属度,并实现自动地表覆盖分类图斑量化评价。
%K 深度学习
%K 地理国情普查
%K 地表覆盖分类
%K 质量评价
%K AlexNet
%U http://www.dqxxkx.cn/CN/10.3724/SP.J.1047.2017.01530