Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Citado por Google
- Similares en SciELO
- Similares en Google
Compartir
Earth Sciences Research Journal
versión impresa ISSN 1794-6190
Resumen
LIANG, Shujun; CHENG, Jing y ZHANG, Jianwei. Clasificación de verosimilitud máxima de imágenes en teledetección del suelo con base en aprendizaje profundo automático. Earth Sci. Res. J. [online]. 2020, vol.24, n.3, pp.357-365. Epub 24-Abr-2021. ISSN 1794-6190. https://doi.org/10.15446/esrj.v24n3.89750.
La clasificación de imágenes de detección remota de suelos es la más difícil en el trabajo del Censo Nacional de Suelos en China. Los métodos vigentes de clasificación de imágenes de teledetección del suelo basados en el aprendizaje profundo y la estimación de máxima probabilidad no satisfacen las necesidades actuales. Por lo tanto, este documento combina el aprendizaje profundo con la estimación de máxima verosimilitud y propone un método de clasificación para estas imágenes de teledetección. En primer lugar, se lleva a cabo el preprocesamiento de la imagen de teledetección del suelo, lo que incluye tres procesos: imagen gris, eliminación de ruido y corrección de imagen; en segundo lugar, el objetivo de la imagen del suelo se detecta mediante un algoritmo de aprendizaje profundo; tercero, el algoritmo de máxima verosimilitud se usa para clasificar la imagen de detección remota del suelo; y, finalmente, el rendimiento de la clasificación se prueba con un ejemplo. Los resultados muestran que este método puede segmentar efectivamente la imagen de detección remota del suelo, y la precisión de la segmentación es alta, lo que demuestra la efectividad y superioridad del método.
Palabras clave : Aprendizaje profundo; Imagen de teledetección del suelo; Estimación de máxima verosimilitud; Método de clasificación.