基于低空遥感与迁移学习的土地利用信息快速制图方法

为解决样本的手工获取和常规的目视解译难以适应目前农业土地资源信息自动化提取的需求问题，引入时空数据挖掘技术，运用关联知识迁移学习机制，提出了一种基于知识迁移学习的高分辨遥感影像土地利用信息分类制图方法(KTLC)。首先，运用改进的均值漂移算法对新的待分类制图影像进行分割获得影像对象，然后，将分割后对象的矢量边界与前时相土地利用矢量专题图进行配准、嵌套，通过叠加分析获取当前影像中的不变对象，并通过光谱、空间信息阈值筛选完成不变对象的提纯，进而将历史专题图中的地物类别知识迁移到新影像对象上，建立新的特征与地物类别映射关系，最后，运用决策树构建分类规则完成当前影像的快速分类制图，并将所提方法与利用易康（eCognition）软件进行分类（EC）的结果进行对比。研究结果表明，对于2组实验影像，KTLC方法分类总体精度分别为88.61%、88.30%，EC方法分类的总体精度分别为89.87%、84.84%，2种方法分类制图精度相当，但在效率方面，KTLC方法优于EC方法