结合深度学习和植被指数的滨海湿地高分二号遥感影像信息提取

崔宾阁，吴景，李心慧，任广波，路燕

1.山东科技大学 计算机科学与工程学院,青岛 266590;

2.自然资源部第一海洋研究所,青岛 266061

1 引言

滨海湿地是陆地生态系统和海洋生态系统的过渡地带，在改善气候、维护区域生态平衡、维护生物多样性等方面发挥着重要的作用。同时，滨海湿地承受着自然过程与人类活动的双重影响，是敏感的生态脆弱区，也是国家重点保护的湿地环境之一（徐东霞和章光新，2007）。快速准确地提取湿地地物类型信息是合理开展保护和恢复滨海湿地工作的前提（Yang 等，2016）。滨海湿地环境复杂，大部分地区难以进入现场勘察，遥感技术作为有效的大规模监测手段，具有监测范围广、周期短等多种优点，在滨海湿地信息提取方面发挥了重要作用（范德芹 等，2016）。

传统滨海湿地信息提取方法大多采用面向对象分类方法或使用光谱分析、提取影像浅层特征等方法得到不同的遥感地物特征，然后使用人工阈值或传统机器学习模型进行信息提取，如决策树DT（Decision Tree）（王建步 等，2014）、支持向量 机SVM（Support Vector Machines）（Yang 等，2016；Han等，2018）、随机森林RF（Random Forest）（刘家福 等，2018；张磊 等，2019）等。但传统机器学习模型的结构较简单，不能有效表达复杂的地物特征（Wang等，2015）。

近年来，以卷积神经网络CNN（Convolutional Neural Networks）为代表的深度学习方法受到了越来越多的关注。与传统机器学习方法相比，深度学习拥有复杂的网络结构和更强大的特征学习能力，已被证明能够很好地从原始图像中提取深层特征（卢宏涛和张秦川，2016；周飞燕 等，2017）。深度学习分类方法已在滨海湿地信息提取中得到了大量应用。……