李静, 韩震,2,*, 王文柳, 崔艳荣

基于OverFeat模型的长江口南汇潮滩植被分类

李静1, 韩震1,2,*, 王文柳1, 崔艳荣1

1. 上海海洋大学 海洋科学学院, 上海 201306 2. 上海河口海洋测绘工程技术研究中心, 上海 201306

潮滩地带环境复杂多变, 有些植被之间光谱特性相似, 为了解决植被精细分类精度不高的问题, 利用基于ImageNet预训练的卷积神经网络OverFeat模型, 以高分二号(GF-2)卫星遥感影像作为实验数据, 对长江口南汇潮滩不同生长状态的植被进行了深度特征提取, 然后将模型训练好的深度特征输入到支持向量机(SVM)分类器中, 得到植被分布信息。研究结果表明, 与基于光谱特征的SVM分类方法相比, 文章所用方法的分类精度更高, 总体精度可达96.08%, 证明了使用基于ImageNet数据集的预训练卷积神经网络对不同生长状态的植被可以实现较好的识别。

ImageNet; 卷积神经网络; OverFeat; 特征提取; 分类

0 前言

海岸带潮滩地带是海洋向陆地的过渡带, 其环境复杂多变, 且植被覆盖范围广, 植被间同物异谱、同谱异物现象较为普遍, 对于植被的精细分类, 基于光谱统计特征的分类方法准确度不高。卷积神经网络模拟大脑通过多层神经网络建立学习机制, 从低层向高层逐层提取抽象特征, 在复杂图像的分类上有一定优势。近年来, 卷积神经网络在遥感图像上的应用日益增多。J. Donahue等[1]提取了基于ImageNet训练集的预训练卷积神经网络的输出特征, 实现了不同种类图像的分类识别。Hu等人[2]对现有的深层卷积神经网络结构进行分析, 并对其各隐含层的输出进行对比, 提出了使用深度学习对光学遥感影像进行特征提取。……