Vollständig verbundene bedingte Zufallsfelder für die Hochauflösende Fernerkundung von Landnutzungs-/Landbedeckungs-Klassifikation mit Faltungsneuronalen Netzwerken

Die Interpretation von Landnutzung und Landbedeckung (LULC) ist ein wichtiges Thema in den Bereichen der hochauflösenden Fernerkundung (RS) Bildverarbeitung und des Landressourcenmanagements. Das vollständige Training einer neuen oder bestehenden Architektur von Faltungsneuronalen Netzwerken (CNN) für die LULC-Klassifikation erfordert eine große Menge an Fernerkundungsbildern. Daher ist es erforderlich, ein vortrainiertes CNN für die LULC-Erkennung anzupassen. Um die Klassifikationsgenauigkeit für hochauflösende Fernerkundungsbilder zu verbessern, ist es notwendig, einen anderen Merkmalsbeschreiber zu verwenden und einen Klassifikator für die Nachbearbeitung zu übernehmen. Ein vollständig verbundenes bedingtes Zufallsfeld (FC-CRF), das die feinjustierten CNN-Schichten, spektrale Merkmale und vollständig verbundene paarweise Potentiale nutzt, wird für die Bildklassifikation hochauflösender Fernerkundungsbilder vorgeschlagen. Zuerst wird ein vorhandenes CNN-Modell übernommen, und die Parameter des CNN werden durch Trainingsdatensätze feinjustiert. Dann werden die Wahrscheinlichkeiten der Bildpixel, die zu jedem Klassen-Typ gehören, berechnet. Zweitens werden die spektralen Merkmale und das digitale Oberflächenmodell (DSM) in Kombination mit einem Support-Vektor-Maschinen (SVM) Klassifikator betrachtet, und die Wahrscheinlichkeiten werden für jede LULC-Klassenart bestimmt. Kombiniert mit den Wahrscheinlichkeiten des feinjustierten CNN werden neue Merkmalsbeschreiber erstellt. Schließlich werden FC-CRF eingeführt, um die Klassifikationsresultate zu erzeugen, wobei die unären Potentiale durch die neuen Merkmalsbeschreiber und den SVM-Klassifikator erzielt werden, und die paarweisen Potentiale durch das dreibändige RS-Bildmaterial und das DSM erreicht werden. Experimentelle Ergebnisse zeigen, dass das vorgeschlagene Klassifikationsschema eine gute Leistung erzielt, wenn die Gesamtgenauigkeit etwa 85% beträgt.