面向对象结合卷积神经网络的GF-1影像遥感分类

蒋治浩，林 辉，张怀清，蒋馥根

（1.中南林业科技大学 a.林业遥感信息工程研究中心；b.林业遥感大数据与生态安全湖南省重点实验室；c.南方森林资源经营与监测国家林业与草原局重点实验室，湖南 长沙 410004；2.中国林业科学研究院资源信息研究所，北京 100091)

遥感和对地观测技术是一个国家综合国力的重要体现，是非常具有发展潜力的战略性技术领域。遥感影像分类，是目前遥感影像处理的研究热点之一[1-2]。传统的影像分类多是基于像元的，即研究的对象为单个像元，对空间分辨率低于10米的多光谱影像来说，分类效果一般较好[3]。随着遥感技术的高速发展，越来越多高分辨率卫星投入使用，基于像元的传统分类方法难以满足实际应用，原因是遥感影像存在“同物异谱”，以及“异物同谱”的特点，而高分辨率影像的光谱分辨率往往较低，因此，若是不考虑邻近的纹理、形状、结构等信息，只利用局部像元的光谱特征，在分类的过程中，会出现单个像元的漏分、错分的情况，导致分类精度低[4-7]，如何高效地利用高分辨率遥感影像就成为了当下的重点与难点[8-9]。因此，面向对象（Object-based image analysis，OBIA）的方法应运而生，它能够充分利用影像的光谱特征，以及几何特征和结构特征，研究目标的最小单元变成了具有相似特征的对象，进而进行其他的影像分析。和晓风等[10]采用面向对象的决策树对东洞庭湖区域进行分类得到基于面向对象决策树遥感分类方法无论是总体精度还是个地类精度均较传统基于像元方法更高。……