空谱联合特征的CNN＿SVM水体识别

论文摘要

针对传统遥感图像逐像素分类方法精度不高以及空间领域一致性信息未充分利用等问题,提出一种结合保边滤波和光谱_空间特征的CNN_SVM水体识别方法。对原始图像使用保边滤波进行降噪并提高局域平滑度;借助形态学属性剖面获取遥感图像的光谱和多重空间特征,利用重构算法对特征进行重构,融合光谱和空间信息;将融合后的新特征集输入CNN进一步进行特征学习,应用浅层学习算法SVM分类。实验结果表明,与CNN神经网络和SVM相比,该方法具有更好的识别效果。

论文目录

• 0 引言
• 1 特征重构模型
•   1.1 保边滤波
•   1.2 特征提取
•   1.3 特征重构算法
• 2 CNN＿SVM模型
•   2.1 卷积神经网络 （CNN）
•   2.2 CNN＿SVM模型
• 3 实验与分析
•   3.1 实验数据
•   3.2 实验结果分析
•     3.2.1 网络层数对准确性的影响
•     3.2.2 与CNN和SVM模型进行比较
• 4 结束语

文章来源

类型: 期刊论文

作者: 吕亚龙,田生伟,禹龙,张若楠

关键词: 保边滤波,神经网络,特征重构,形态学属性剖面,水体识别

来源: 计算机工程与设计 2019年05期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 工业通用技术及设备,自动化技术

单位: 新疆大学信息科学与工程学院,新疆大学网络中心,新疆大学软件学院

基金: 自治区自然科学基金项目(2016D01C050),新疆自治区科技人才培养基金项目(QN2016YX0051)

分类号: TP751;TP183

DOI: 10.16208/j.issn1000-7024.2019.05.043

页码: 1435-1439

总页数: 5

文件大小: 254K

下载量: 226