ENVI深度学习V1.2操作教程
对于遥感,深度学习尝试发现图像中的空间和光谱表⽰。它通常⽤于识别特征,例如车辆、公⽤设施、道路等。训练深度学习模型以使⽤⼀组标记的像素数据为参考来识别特定特征。借助ENVI深度学习,可以在训练模型时尝试不同的参数以获得最佳解决⽅案。
从图像中提取特征的过程涉及⼏个步骤,如下图所⽰。这些步骤不⼀定是线性顺序,并且可能需要⼀个以上的迭代才能产⽣最佳结果。
TensorFlow模型是整个过程的核⼼。TensorFlow是ENVI⽤于执⾏深度学习任务的开源库。TensorFlow模型由⼀组基础的神经⽹络参数定义。必须使⽤⼀组已知特征样本的输⼊标签栅格来训练模型进⽽寻找特定特征。在TensorFlow模型从标签栅格中了解特定特征后,可以通过使⽤经过训练的模型对其他图像进⾏分类,从⽽在其他图像中寻找相似特
征。例如,可能在⽐模型训练的更⼤的图像中找到相同的特征,或者甚⾄找到具有相似空间和光谱特性的不同图像。最终结果是各种要素的分类栅格。如果只对某个特定功能感兴趣,则结果将是⼀个⼆进制分类栅格,其值为0(背景)和1(特征)。