利用深度学习技术进行土地利用与土地覆盖分类
图像与视频处理
2019-05-03 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
以正射影像 mosaic 表示的分米级航空影像大型数据集如今广泛可用，这些数据集可能蕴含大量未开发的信息。此类影像具有定位多种特征类型的潜力，例如森林、停车场、机场、居民区或高速公路。然而，这些地物的外观随诸多因素变化，包括影像获取时间、传感器设置、用于校正影像的处理过程，以及影像所覆盖区域的地理与文化背景。本论文探索使用深度卷积神经网络从甚高空间分辨率（VHR）、正射校正、可见光波段多光谱影像中分类土地利用。近期技术与商业应用驱动了可见光红、绿、蓝（RGB）光谱波段大量VHR影像的采集，本工作探索深度学习算法利用此类影像进行自动土地利用/土地覆盖（LULC）分类的潜力。
引用
@article{arxiv.1905.00510,
title = {Land Use and Land Cover Classification Using Deep Learning Techniques},
author = {Nagesh Kumar Uba},
journal= {arXiv preprint arXiv:1905.00510},
year = {2019}
}