關鍵詞：cnn mlp 林分類型 圖像斑塊大小 

摘要：【目的】基于遙感影像的林分類型分類在現代林業中是一項重要的應用。本文試圖構建一個基于高分二號(GF-2)影像林分類型分類的卷積神經網絡(CNN)模型,探索CNN在遙感圖像像素級分類這一領域的發展潛力。【方法】以GF-2衛星遙感影像為數據源,利用Tensorflow(一種開源用于機器學習的框架)構建4種不同圖像斑塊大小(m=5,7,9,11)為輸入的CNN,同時以傳統的神經網絡模型——多層感知器(MLP)為基準,比較不同圖像斑塊大小下的CNN分類圖的分類效果和分類精度。【結果】實驗分類結果表明:CNN(m=9)得出最高的分類精確度,總體精度比MLP和CNN(m=5,7,11)分別高出10.91%和6.55%、1.3%、2.54%。分類圖的可視化結果也表明CNN(m=9)更好地解決了'椒鹽現象'與過度平滑后的邊界不確定性問題。【結論】CNN能夠在利用高分影像光譜特征的同時充分挖掘影像的空間特征,從而提高分類精度,同時在利用CNN基于遙感影像分類時,根據數據源以及地物的特點選擇合適的圖像斑塊大小作為輸入是提高分類精度與分類效果的關鍵措施。

北京林業大學學報雜志要求:

{1}在本刊發表文章，需引用本刊至少兩篇最近兩年發表的論文作參考文獻。

{2}文稿要求論述充分有力，研究方法嚴謹創新。

{3}來稿文責自負，本刊有稿件刪改權，如不同意，請來稿時注明。

{4}中文關鍵詞一般曲3-8個，選詞要規范，應盡量從漢語工題詞表中選取，英文關鍵詞應與中衛關鍵詞一一對應，不能采用英文縮寫。

{5}文題一般不宜超過30個字，應以簡明、確切的詞語反映文章中最主要的特定內容。避免用副標題。文題不用非公知公認的縮寫或符號。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社