基于深度学习的无人机遥感影像水体识别.pdf

第35卷 第 1期 江 西 科 学 V01．35No．1 2017年 2月 JIANGXI SCIENCE Feb．2017 doi：10．13990／j．issnl001—3679．2017．01．031 基于深度学习的无人机遥感影像水体识别 杜 敬 (1．东华理工大学测绘工程学院，330013，南昌； 2．流域生态与地理环境监测国家测绘地理信息局重点实验室，330013，南昌) 摘要：针对无人机遥感影像分辨率高、信息量大易造成错分、漏分现象，导致识别分类精度不高的问题 ，采用一 种基于深度学习的水体识别方法进行无人机遥感影像水体识别。该方法首先选取大量样本训练并构建深度 卷积神经网络模型 (DCNN)，然后利用最大稳定极值区域 (MSER)对无人机遥感影像进行分割得到待识别 目 标子区，最后根据深度卷积神经网络模型对分割后影像 目标进行水体识别，并且将识别结果与 目前常用方法 进行比较。实验结果表明，该方法能有效识别水体 目标，减少错分、漏分现象，提高识别精度，优于其他方法。 关键词：深度学习；卷积神经网络；无人机遥感；MSER；水体识别 中图分类号：TP751 文献标识码 ：A 文章编号：1001—3679(2017)01—158—05 DeepLearningBasedUAV RemoteSensingImageW aterBodyIdentification DU Jing’ (1．SchoolofGeomatics，EastChinaUniversityofTechnology，330013，Nanchang，PRC； 2．KeyLaboratoryofWatershedEcologyandGeographicalEnvironmentMonitoring，NASG，330013，Nanchang，PRC) Abstract：UAV remotesensingimagehasthecharacteristicsofhighresolutionandlargeinformation， SOitiseasytocausemisclassificationandleakagephenomenonduringtheprocessofwaterbodyi— dentification．Inordertoimprovetheaccuracyofwateridentification，wepresentamethodbasedon deeplearningforUAV remotesensingimagewateridentification．Firstly，alargeamountoftrained samplesarecollectedtoconstructthewateridentificationbyconvolutionalneuralnetwork(DCNN)． Then，waterareaareacquiredfrommaximallystableextremalregion(MSER)andthesegmengtation ofUAV remotesensingimage．Finally，thewaterbodytargetareidentifiedaccordingtotheeonvolu— tion neuralnetworkmodelofrwaterbodyidentification．Experimentalresultsshow thatthemethod caneffectivelyidentifythewaterbodytargetandimprovetheaccuracy． Keywords：deeplearning；ConvolutionalNeuralNetwork(CNN)；UAVRemoteSensing；maximally