東北地理所在遙感智能計(jì)算與深度學(xué)習(xí)領(lǐng)域取得重要進(jìn)展
從遙感影像提取易于人類理解與利用的信息與知識(shí)，一直是遙感領(lǐng)域的核心與關(guān)鍵任務(wù)之一。隨著遙感技術(shù)的快速發(fā)展，人類獲得的遙感數(shù)據(jù)量越來越大且種類多樣復(fù)雜，傳統(tǒng)的信息處理方法很難取得滿意效果。針對(duì)該技術(shù)需求，東北地理所地理信息系統(tǒng)學(xué)科組與英國蘭卡斯特大學(xué)開展國際合作，引入先進(jìn)人工智能技術(shù)處理遙感數(shù)據(jù)，取得了一系列研究進(jìn)展。
在遙感智能計(jì)算領(lǐng)域，研究人員針對(duì)非監(jiān)督粒子群算法容易陷入局部最優(yōu)解的不足，提出了一種將列維飛行與粒子群算法結(jié)合的搜索策略，開發(fā)了一種非監(jiān)督列維飛行粒子群遙感分類方法（ULPSO），并利用不同遙感數(shù)據(jù)類型對(duì)算法進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，ULPSO具有跳出局部最優(yōu)解并接近全局最優(yōu)解的能力，其總體分類精度（OA）顯著性地優(yōu)于傳統(tǒng)k-means、遺傳算法（UGA）以及粒子群算法（UPSO）。經(jīng)過多次運(yùn)行測(cè)試，ULPSO穩(wěn)定性最好。
圖1 不同遙感分類算法目標(biāo)函數(shù)值優(yōu)化曲線
在遙感深度學(xué)習(xí)領(lǐng)域，研究人員針對(duì)極高空間分辨率遙感分類難題，基于規(guī)則融合手段充分挖掘卷積神經(jīng)網(wǎng)(CNN)與多層感知器（MLP）處理遙感數(shù)據(jù)的優(yōu)勢(shì)，開發(fā)了一種新穎的MLP-CNN分類算法，并利用極高分辨率航空影像對(duì)該算法進(jìn)行了充分驗(yàn)證。研究結(jié)果表明，該算法在降低遙感分類“椒鹽現(xiàn)象”的同時(shí)，能充分挖掘影像的細(xì)節(jié)信息，是一種非常適合處理極高分辨率遙感影像的技術(shù)方法。
圖2 不同分類方法遙感分類結(jié)果對(duì)比
相關(guān)成果分別發(fā)表于國際遙感期刊International Journal of Remote Sensing及ISPRS Journal of Photogrammetry and Remote Sensing（遙感頂級(jí)期刊）上。主要工作由我所李華朋博士及蘭卡斯特大學(xué)張策博士共同完成，研究工作得到國家自然科學(xué)基金（41301465）及吉林省優(yōu)秀青年科學(xué)基金項(xiàng)目（20170520087JH）資助。
[1] Huapeng Li, Shuqing Zhang, Ce Zhang, Ping Li and Roger Cropp. A novel unsupervised Levy flight particle swarm optimization (ULPSO) method for multispectral remote-sensing image classification. International Journal of Remote Sensing, 2017, 38(23): 6970–6992.
鏈接及下載: http://www.tandfonline.com/doi/citedby/10.1080/01431161.2017.1368102?scroll=top&needAccess=true
[2] Ce Zhang, Xin Pan, Huapeng Li, Andy Gardiner, Isabel Sargent, Jonathon Hare, and Peter M. Atkinson. A hybrid MLP-CNN classifier for very fine resolution remotely sensed image classification. ISPRS Journal of Photogrammetry and Remote Sensing. (In press)
鏈接及下載: http://www.sciencedirect.com/science/article/pii/S0924271617300254
附件下載：
吉公網(wǎng)安備22017302000214號(hào)
