基于邻域聚合与深度学习的小样本荒漠草原物种分类

Classification of small sample desert grassland species based on neighborhood aggregation and deep learning

张涛 ¹杜建民 ¹毕玉革 ¹朱相兵 ¹高新超¹

扫码查看

作者信息

1. 内蒙古农业大学机电工程学院,内蒙古呼和浩特010018
折叠

摘要

随着气候变化和人类活动的影响,内蒙古草原逐渐荒漠化.为了解决传统地面调查的局限性,以及高光谱数据小样本分类难的问题.本文利用无人机(unmanned aerial vehicle,U AV)高光谱遥感技术对荒漠草原物种进行数据采集,并提出一种邻域聚合算法结合深度学习的小样本分类方法.首先,通过遗传算法(genetic algorithm,GA)与最佳指数因子(optimum index factor,OIF)对高光谱数据进行波段选择;其次,构建高光谱数据邻域特征,采用邻域聚合算法对其进行邻域特征融合;最后,采用多层感知机(multilayr perceptron,MLP)对融合后的特征进行分类.结果表明,邻域聚合算法在每类地物只有10个样本的情况下总体精度可达93.41％,Kappa系数为0.912 0;并与SVM和多种深度学习模型对比,邻域聚合算法计算效率高、模型大小最小、分类精度最高.该方法的提出,满足草原物种识别要求,为草原生态系统的动态监测提供新方法.

关键词

荒漠草原/物种分类/邻域聚合/小样本/无人机(UAV)/高光谱遥感

引用本文复制引用

基金项目

国家自然科学基金(31660137)

出版年

2023

光电子·激光

天津理工大学中国光学学会

光电子·激光

CSCD北大核心

影响因子：1.437

ISSN：1005-0086

参考文献量4

段落导航