遥感影像中种植作物结构分类方法综述.pdfVIP

遥感影像中种植作物结构分类方法综述.pdf

ComputerEngineeringandApplications计算机工程与应用2025，61（8）35

遥感影像中种植作物结构分类方法综述

1，21，2+1，2

甄彤，张威振，李智慧

1.河南工业大学信息科学与工程学院，郑州450001

2.河南工业大学粮食信息处理与控制教育部重点实验室，郑州450001

+通信作者E-mail：1812826180@

摘要：遥感影像中的农作物种植结构分类具有重要应用价值。综述了遥感影像的主要分类技术，包括光谱特征、

纹理特征、时序特征和多源数据融合等方法；重点分析了传统分类方法以及卷积神经网络等深度学习技术在提升分

类精度和效率方面的表现。研究结果表明，结合多源遥感数据与深度学习模型显著提高了复杂环境下的作物分类

效果，尤其在处理多时相数据时表现突出。未来，遥感影像分类将通过算法优化和数据融合，进一步推动精准农业

的发展与智能化管理系统的构建。

关键词：遥感技术；农作物分类；深度学习；数据融合

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2409-0362

ReviewofClassificationMethodsforCropStructureinRemoteSensingImagery

ZHENTong1，2,ZHANGWeizhen1，2+,LIZhihui1，2

1.CollegeofInformationScienceandEngineering,HenanUniversityofTechnology,Zhengzhou450001,China

2.KeyLaboratoryofGrainInformationProcessingandControl,MinistryofEducation,HenanUniversityofTechnology,

Zhengzhou450001,China

Abstract：Remotesensingimageryplaysasignificantroleintheclassificationofcropplantingstructures.Thispaper

reviewstheprimaryclassificationtechniquesinremotesensingimagery,includingspectralfeatures,texturefeatures,

temporalfeatures,andmulti-sourcedatafusion.Itfocusesonanalyzingtheperformanceoftraditionalclassification

methods,aswellasdeeplearningtechniqueslikeconvolutionalneuralnetworksinimprovingclassificationaccuracyand

efficiency.Theresearchindicatesthatintegratingmulti-sourceremotesensingdatawithdeeplearningmodelssubstantially

enhancescropclassificationoutcomes,especiallyincomplexenvironmentsandwhenprocessingmulti-temporaldata.In

thefuture,advancementsinalgorithmoptimizationanddatafusioninremotesensingimageryclassificationwillfurther

drivethedevelopmentofprecisionagricultureandtheconstructionofintelligentmanagementsystems.