Preview

Журнал прикладной спектроскопии

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

МОДЕЛЬ ТРЕХМЕРНОЙ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ИДЕНТИФИКАЦИИ РЕЛЬЕФА ПУСТЫННЫХ ПАСТБИЩ С ПОМОЩЬЮ ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ

Полный текст:

Аннотация

Создана гиперспектральная система дистанционного зондирования с беспилотного летательного аппарата для исследования пустынных пастбищ Внутренней Монголии (Китай) при естественном освещении в полевых условиях. На основе машинного обучения предложена модель трехмерной сверточной нейронной сети (3D-CNN) для классификации пустынных пастбищ. Для уменьшения объема данных использована парадигма F-norm2 при обеспечении целостности пространственной информации. Благодаря оптимизации структуры и параметров модели ее точность дополнительно повышается на 9.8%, при этом общая точность распознавания оптимизированной модели >96.16%. Соответственно достигается высокоточная классификация признаков пустынных пастбищ, что способствует повышению эффективности исследований по дистанционному зондированию пастбищ.

Об авторах

W. Pi
Сельскохозяйственный университет Внутренней Монголии
Китай
Хух-хото


J. Du
Сельскохозяйственный университет Внутренней Монголии
Китай
Хух-хото


H. Liu
Сельскохозяйственный университет Внутренней Монголии
Китай
Хух-хото


X. Zhu
Сельскохозяйственный университет Внутренней Монголии
Китай
Хух-хото


Список литературы

1. Q. G. Zhao, G. Q. Huang, Y. Q. Ma, Acta Ecol. Sin., 36, N 19, 6328–6335 (2016).

2. Q. M. Pan, J. G. Xue, T. Jin, Chin. Sci. Bull., 63, N 17, 1642–1650 (2018).

3. Y. F. Bai, Q. M. Pan, Q. Xing, Chin. Sci. Bull., 61, N 2, 201–212 (2016).

4. Y. Yan, Y. F. Chen, G. C. Zhao, Geol. Exploration., 55, N 2, 630–640 (2019).

5. D. Han, H. Z. Wang, B. Y. Zheng, F. Wang, Acta Ecol. Sin., 38, N 18, 6655–6663 (2018).

6. Z. H. Gao, B. P. Sun, G. D. Ding, J. Desert Res., 84, N 1, 19–24 (2017).

7. X.-Q. Wei, X.-F. Gu, Q.-Y. Meng, T. Yu, K. Jia, Y.-L. Zhan, Ch.-M. Wang, J. Appl. Spectrosc., N 5, 829–836 (2017).

8. D. Tuia, C. Persello, L. Bruzzone, IEEE Geosci. Rem. Sens. Magn., 4, 41–57 (2016).

9. R. R. Wan, P. Wang, X. L. Wang, J. Appl. Rem. Sens., 12, N 4, 046029 (2018).

10. Q. L. Niu, H. K. Feng, G. J. Yang, Trans. Chin. Soc. Agric. Eng., 34, N 5, 73–82 (2018).

11. C. Gevaert, J. Suomalainen, J. Tang, IEEE J. Sel. Top. Appl. Earth Obs., 8, 3140–3146 (2015).

12. G. E. Hinton, N. Srivastava, A. Krizhevsky, Neural Comput., 18, N 3, 1527–1554 (2006).

13. L. M. Dang, S. Hassan, Expert Syst. Appl., 9, N 1, 156–168 (2019).

14. H. Chen, Y. Sun, X. L. Li, Neurocomputing, 9, N 356, 83–96 (2019).

15. A. Krizhevsky, I. Sutskever, G. E. Hinton, Commun. ACM, 60, N 6, 84–90 (2017).

16. Q. Zou, L. H. Ni, T. Zhang, IEEE Geosci. Rem. Sens. Lett., 12, N 11, 2321–2325 (2015).

17. X. R. Ma, H. Y. Wang, J. Geng, IEEE International Geoscience and Remote Sensing Symposium (IGARSS), 3282–3285 (2016).

18. Y. Li, H. K. Zhang, X. Z. Xue, Wiley Interdisciplinary Reviews-Data Mining and Knowledge Discovery, 8, N 6 (2018).

19. L. Samaniego, A. Bardossy, K. Schulz, IEEE Trans. Geosci. Rem. Sens., 46, N 7, 2112–2125 (2008).

20. J. Li, J. M. Bioucas-Dias, A. Plaza, IEEE Trans. Geosci. Rem. Sens., 48, N 11, 4085–4098 (2010).

21. Y. Li, H. K. Zhang, Q. Shen, Rem. Sens., 9, N 1, 67 (2017).

22. J. Yue, S. J. Mao, M. Li, Rem. Sens. Lett., 7, N 9, 875–884 (2016).

23. Y. Chen, X. Zhao, X. Jia, IEEE J. Sel. Top. Appl. Earth Observ. Rem. Sens., 8, N 6, 2381–2392 (2015).

24. Y. S. Chen, Z. H. Lin, X. Zhao, IEEE J. Sel. Top. Appl. Earth Observ. Rem. Sens., 7, N 6, 2094–2107 (2014).

25. X. F. Liu, Q. Q. Sun, Y. Meng, Rem. Sens., 10, N 9, 1425 (2018).

26. Y. X. Jin, F, Liu, J. Zhang, Chin. J. Plant Ecol., 42, N 3, 361–371 (2018).

27. Z. B. Xie, P. Wu, G. D. Han, J. Agric. Mech. Res., 35, N 2, 189–191, 196 (2013).

28. S. W. Ji, W. Xu, M. Yang, IEEE Trans. Pattern Anal. Mach. Intel., 35, 221–231 (2013).

29. W. Zhao, H. Zhang, Proc. 2012 Int. Conf. Computer Science and Electronics Engineering (ICCSEE 2012), 23–25 March 2012, 88–391 (2012).


Для цитирования:


Pi W., Du J., Liu H., Zhu X. МОДЕЛЬ ТРЕХМЕРНОЙ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ИДЕНТИФИКАЦИИ РЕЛЬЕФА ПУСТЫННЫХ ПАСТБИЩ С ПОМОЩЬЮ ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ. Журнал прикладной спектроскопии. 2020;87(2):296-305.

For citation:


Pi W., Du J., Liu H., Zhu X. DESERTIFICATION GLASSLAND CLASSIFICATION AND THREE-DIMENSIONAL CONVOLUTION NEURAL NETWORK MODEL FOR IDENTIFYING DESERT GRASSLAND LANDFORMS WITH UNMANNED AERIAL VEHICLE HYPERSPECTRAL REMOTE SENSING IMAGES. Zhurnal Prikladnoii Spektroskopii. 2020;87(2):296-305.

Просмотров: 81


ISSN 0514-7506 (Print)