来源：期刊VIP网 时间：
作者：王书韬;史明昌;陈春阳;陈靖涛;
单位：北京林业大学水土保持学院;
摘要：在面向土壤侵蚀的遥感影像地物提取过程中，存在严重的“椒盐”现象以及对微小地物不敏感的缺点，针对该问题，结合误差反向传播（back propagation,BP）、UNet++神经网络和面向对象思想，构建了一种二分支神经网络的深度学习方法，该方法能对在不同复杂度地区面向土壤侵蚀的地表覆盖类型进行自适应提取。以深圳市GF-2(Gaofen-2 satellite)遥感影像为例，进行面向对象分割和最优特征指标子集筛选，将分割结果以及最优特征子集作为二分支神经网络输入数据，获得地表覆盖类型提取结果。将所提方法与面向对象k最邻近（k-nearest neighbor,KNN）算法、BP和UNet++神经网络算法进行对比，结果表明：二分支神经网络对地物提取的总体精度达到91.73%，对各类别地物识别效果的综合评价指标F值（F-measure）均超过0.8，能有效抑制“椒盐”现象和微小地物的误分，评价结果优于对照组。
关键词：BP神经网络;;UNet++;;面向对象;;特征选择;;地表覆盖类型提取
基金资助：国家重点研发计划项目（编号：2017YFC0505504）
