• 研究主题:
  • 基于深度学习的旱作物遥感图像分类

  • 团队成员名单:
  • 杜东兴(考研)

  • 研究方向或主题简介:
  • 深度置信网络是一种得到广泛研究与应用的深度学习模型,它结合了无监督学习和有监督学习的有点,对于高维数据具有较好的分类能力,是近年来广泛关注与研究的热点。作物分类则是农业遥感应用中作物估产前不可或缺的一部分,水稻等作物由于下垫面有水组成,因而在SAR影像上分类精度很高,与之相对旱作物分类则相对较困难,没有一种精度很高的分类方法。
    实验基于DBN通过对改变波段,DBN网络参数等因素,探讨了DBN在旱作物分类上的效果。

  • 研究成果展示或总结:
  • 1.DBN对数量较小的像元种类没有很好地分类能力。
    2.RBM迭代次数增加能够使分类结果更好。
    3.BP迭代次数的增加能够使分类结果更好。
    4.隐层个数的增加并没有使得分类结果变好,并且主要原因不是BP迭代次数不足。
    5.红边波段对旱地作物分类具有很大作用。