自然地理学和测绘学论文_基于双层组合神经网络 - 遥感学报杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 遥感学报

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

自然地理学和测绘学论文_基于双层组合神经网络

作者:

关键词:

摘要：

文章摘要:当前土地利用分类样本标签的时效性和样本内部特征对象复合性、分类间界限模糊性和土地利用类型的不平衡性，使得国土资源调查遥感影像土地利用分类自动化难度大、精度低。提出一种双层组合神经网络进行土地利用自动分类的方法。首先，利用城市道路交通网络矢量数据裁切影像，生成并标记具有明确土地利用类别边界的标签样本，构建了基于第三次国土资源普查土地利用标准的城市遥感影像数据集；然后，组合U-Net网络的跳跃连接和DesnseAPP网络密集空洞空间卷积池化金字塔结构，对多尺度上下文信息和抽象空间信息进行聚合，消除类不平衡现象，提升自动分类精度。所提出方法分别在自建数据集和ISPRS Vaihingen公开数据集进行实验，分类总体准确率分别为75.90%和89.63%。同时将本文方法与U-Net、DenseASPP和Deeplabv3三种典型深度卷积神经网络方法进行比较，在两个数据集中，本文方法 F1值分别为74.68%和85.56%,mIOU分别为72.21%和82.23%，其语义分类结果皆优于所比较的方法。总的来说本文方法提升了土地利用机器学习分类精度，对提高土地利用分类的自动化程度进行了有效探索。

文章关键词:

项目基金:《遥感学报》网址: http://www.ygxbzz.cn/qikandaodu/2021/1205/957.html