基于栈式自编码的水体提取方法

为了进一步提高利用遥感图像进行水体提取的准确率和自动化程度,提出一种基于栈式自编码( SAE) 深度神经网络的水体提取方法。通过堆叠稀疏自编码器构建深度网络模型,使用逐层贪婪训练法依次训练每层网络,从像素层面无监督学习特征,避免传统神经网络等方法需进行人工特征分析与选取的问题; 用学习到的特征结合相应的样本标签有监督训练 softmax 分类器; 利用反向传播( BP) 算法微调优化整个模型。采用塔里木河 ETM + 数据进.行实验,基于 SAE 的水体提取方法准确率达到 94. 73% ,比支持向量机( SVM) 和反向传播( BP) 神经网络方法分别高出3. 28% 和 4. 04% 。实验结果表明,所提方法能有效提高水体提取的精度。.