基于迁移学习的无人机影像耕地信息提取方法

随着精准农业技术的发展，对农作物用地信息快速、准确提取的需求越来越高。同时，无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中。但无人机影像普遍光谱信息较为匮乏，因此很难准确、快速地提取出耕地信息。基于此，提出了一种利用迁移学习机制的耕地提取方法（TLCLE）。首先，利用深度卷积神经网络(DCNN)剔除线状地物（道路、田埂等），然后，通过引入迁移学习机制将DCNN特征训练过程 中得到的特征提取方法迁移到耕地提取中，最后，将所提方法与利用易康（eCognition）软件进行耕地提取（ECLE）结果进行对比。研究结果表明：对于实验影像1、2，TLCLE方法耕地提取总体精度分别为91.9%、88.1%，ECLE方法总体精度分别为90.3%、88.3%，2种方法提取精度相当，在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法