基于卷积神经网络的半自动植被遥感样本选取的方法
基本信息
| 申请号 | CN202111297100.1 | 申请日 | - |
| 公开（公告）号 | CN113989506A | 公开（公告）日 | 2022-01-28 |
| 申请公布号 | CN113989506A | 申请公布日 | 2022-01-28 |
| 分类号 | G06V10/26（2022.01）I;G06V10/74（2022.01）I;G06V10/774（2022.01）I;G06V10/82（2022.01）I;G06V20/10（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 胡宇凡;姚永慧;王文奎;陈奕;蒋艳君 | 申请（专利权）人 | 福州市规划设计研究院集团有限公司 |
| 代理机构 | 福州元创专利商标代理有限公司 | 代理人 | 丘鸿超;蔡学俊 |
| 地址 | 350108福建省福州市闽侯县高新区高新大道1号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提出一种基于卷积神经网络的半自动植被遥感样本选取的方法，包括：步骤S1：构建多源多时相遥感数据库；步骤S2：将研究区植被划分为m个植被群系；步骤S3：构建深度残差网络，将网络输出类别数目改为m；步骤S4：利用公开植被样本数据集，训练深度残差网络，使模型参数适用于植被群系分类；步骤S5：采用多尺度分割算法，将研究区影像分割为植被群系图斑；步骤S6：选取m种植被类型的n个代表性样本，m*n个样本作为样本选取的种子样本；步骤S7：计算研究区所有单独图斑的网络输出；步骤S8：计算种子样本的网络输出等步骤。在一定程度上解决了山区植被分类时样本稀缺的问题。 |
