遥感Landsat CNN图像分类
发布网友
发布时间：2024-10-14 08:34
共1个回答
热心网友
时间：2024-10-15 06:28
1、简介
CNN模型在图像分类中的应用较为广泛，但在遥感领域，其分类与深度学习中的图像分割相对应，即将图片中不同类型的地物区分开来，而非将整个图片归为一个类别。尽管遥感中深度学习的模型应用较多，但可用的代码较少，现有代码存在无法直接使用、代码注释较少、理解困难、代码较多等问题，对于新手来说理解起来较为困难。因此，本文基于现有代码进行修改适配，详细讲解过程，使模型简单易于理解整个深度学习的全流程。
2、数据准备
2.1 学习区
学习区位于英国南安普顿附近的一个森林公园及一小片城市。
2.2 地物划分
2.3 工作流程
与遥感其他监督分类方法类似，需要设计地物类别、选择样本、训练模型，最后输出训练结果。CNN模型则采用李亚飞在《基于卷积神经网络的遥感图像分类研究》论文中设计的结构，即基于Alex Net改造的模型。
3、训练数据生成
使用Arcgis pro制作数据集并保存为shp格式，再转为raster格式。通过设置extent输出栅格分辨率，使其与分类图像一致，为new_class输出文件指定tif后缀。
4、数据预处理
目前拥有两个文件：待分类的tif文件和ROI的tif文件。需要将这两个文件读入为numpy格式进行处理。
5、训练模型
本代码使用tensorflow框架进行训练。
6、预测土地分类
7、结果展示
