基于_残差-挤压激励_深度混合卷积网络的土地利用分类.pdfVIP

第 38 卷 第 1 期 农 业 工 程 学 报 Vol.38 No.1 2022 年 1 月 Transactions of the Chinese Society of Agricultural Engineering Jan. 2022 305 基于“残差-挤压激励”深度混合卷积网络的土地利用分类 1,2 2 2 ※ 1 2 2 王春阳 ，张英杰 ，李长春 ，芦碧波 ，张合兵 ，吴喜芳 （1. 河南理工大学计算机科学与技术学院，焦作 454000 ； 2. 河南理工大学测绘与国土信息工程学院，焦作 454000 ） 摘 要：土地利用变化的监测需要高精度的土地利用分类图，遥感技术的发展为这一工作提供了便利。然而，传统分类 方法往往无法针对性的利用影像中的信息，其分类结果中地物边缘信息模糊，分类精度不高且噪声较大，难以满足土地 变化监测的需要。该研究针对传统方法分类结果不理想的问题，提出一种基于“残差-挤压激励”单元的混合卷积神经网 络模型，采用膨胀卷积层对影像进行“光谱-空间”特征提取，并引入“残差-挤压激励”单元，实现特征重用的同时，选 择性的强调信息性特征，对噪声性特征进行抑制，最后对得到的特征进行整合实现对遥感影像的分类。该研究提出的模 型与 k-最邻近算法（K-Nearest Neighbor, KNN ）、支持向量机（Support Vector Machine, SVM ）、二维卷积网络（2D- Convolutional Neural Network, 2D-CNN ）以及混合卷积网络（HybridSN ）相比，在试验数据集上总体精度分别提高了 11.15 个百分点、11.18 个百分点、0.06 个百分点和 2.46 个百分点。且有效减少了地物边缘信息的损失，验证了该方法的有效性。 此外，基于该方法分类结果统计出的耕地面积与试验区真实耕地面积仅相差 0.77%，误差绝对值远低于其他分类方法。 关键词：土地利用；影像；分类；残差-挤压激励；混合卷积网络；特征提取 doi ：10.11975/j.issn.1002-6819.2022.01.034 中图分类号：TP79 文献标志码：A 文章编号：1002-6819(2022)-01-0305-09 王春阳，张英杰，李长春，等. 基于“残差-挤压激励”深度混合卷积网络的土地利用分类[J]. 农业工程学报，2022， 38(1)：305-313. doi ：10.11975/j.issn.1002-6819.2022.01.034 Wang Chunyang, Zhang Yingjie, Li Changchun, et al. Land use classification based on “residual error-squeeze excitation” deep mixed convolution network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(1): 305-313. (in Chinese with English abstract) doi：10.11975/j.i