随着高分辨率、不同尺度的数字高程模型的不断发展,为发展地貌形态的识别和分类奠定数据基础。以往研究只是单一从地貌物理因子或地貌视觉因子方面进行研究区分类,又或者是简单的挑选结合两方面地貌特征进行研究。这些分类方法从使用的算法来看,通常基于专家知识和经验手动设计的特征提取器或分类器组成,由于其模型结构相对简单,无法有效地发现不同模式数据特征之间的高度非线性关系,难以有效提高地貌形态识别的精度。这里本人有个新的思路就是结合深层卷积神经网络,在物理特征因子(地形因子)和视觉特征因子(纹理特征)基础上,对地貌进行分类。
物理特征因子可以在一定程度上,解决地貌分类不够全面的问题;视觉特征因子对地貌空间分化具有重要意义。方法上:主要使用深层卷积神经网络(代码参考其他博主)
GLCM(灰度共生矩阵)http://t.csdn.cn/lHcr8(matlab软件)
欢迎大家对这方面进行讨论,提供一些参考意见。