Resumen

Con el objetivo de abordar los problemas de las imágenes de teledetección de alta resolución con muchas características y baja precisión de clasificación utilizando una sola descripción de características, se propone un modelo de clasificación de tierras en imágenes de teledetección basado en aprendizaje profundo desde la perspectiva de la utilización de recursos ecológicos. En primer lugar, la imagen de teledetección obtenida por el satélite Gaofen-1 es preprocesada, incluyendo datos multiespectrales y datos pancromáticos. Luego, se extraen el color, la textura, la forma y las características locales de los datos de la imagen, y se utiliza un método de fusión de imágenes a nivel de características para asociar estas características y realizar la fusión de características de la imagen de teledetección. Finalmente, las características de la imagen fusionada se introducen en la red de creencias de profundidad (DBN) entrenada para su procesamiento, y el tipo de tierra se obtiene mediante el clasificador Softmax. Basado en la plataforma Keras y TensorFlow, el análisis experimental del modelo propuesto muestra que

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Modelo propuesto; Imagen de teledetección; Aprendizaje profundo; Características; Precisión de clasificación; Tipo de terreno
• Keywords:Proposed model; Remote sensing image; Deep learning; Features; Classification accuracy; Land type