刘 帅，张旭含，李笑迎，田 野

·土地保障与生态安全·

基于双分支卷积网络的高光谱与多光谱图像协同土地利用分类

刘 帅1,2，张旭含1，李笑迎1，田 野1,2※

（1. 燕山大学信息科学与工程学院，秦皇岛 066004；2. 河北省信息传输与信号处理重点实验室，秦皇岛 066004）

高精度监测土地利用对实现可持续发展有重要意义。然而，由于遥感传感器成像的限制和地物的复杂性，单一的高光谱和多光谱图像已经不能满足高精度土地利用分类的要求，充分利用高光谱和多光谱遥感图像的互补信息能克服仅采用单一遥感图像分类的不足。该研究设计双分支卷积神经网络协同高光谱和多光谱遥感图像进行土地利用分类。针对高光谱图像设计3维-1维卷积神经网络（3D-1D Convolutional Neural Networks，3D-1D CNN）分支自动提取高光谱图像的空间-光谱特征；针对多光谱图像，设计3维卷积神经网络（3D Convolutional Neural Networks，3D CNN）分支提取多光谱图像的空间-光谱特征；设计融合层将从高光谱和多光谱图像提取的特征进行融合，最后通过全连接层输出土地利用类别。研究表明，与决策树（Decision Tree，DT）、支持向量机（Support Vector Machine，SVM）以及1D、2D和3D CNN方法相比，该文提出的基于双分支卷积神经网络的方法在两个数据集上Kappa系数平均分别提升了15.9、8.1、5.4、5.4和2.7个百分点。

土地利用；遥感；卷积神经网络；高光谱；多光谱

0 引 言

土地是不可再生的宝贵资源，也是人们赖以生存的主要资源之一。随着中国经济持续高水平发展，土地浪费现象日益严重，土地资源的实际应用效率比较低，这对经济的发展造成不良影响。……