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

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.

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).