新机器学习与深度学习在遥感图像分类中的应用马宇龙mayl@geoscene.cn易智瑞信息技术有限公司遥感事业部机器学习发展贝叶斯分类器1950Rosenblatt感知器1958ThomasKNN19671984CART1984CoxLogistic回归1958LeCunCNN1989反向传播算法1986RumelhartSVM1995Vapnik1986ID31993C4.5Breiman随机森林2001获取样本训练模型图像分类机器学习与深度学习核心3步骤AI机器学习深度学习获取样本——应该怎么画样本？传统监督分类（感兴趣区域的统计信息作为样本）深度学习机器学习打点即可Soeasy!机器学习样本PK样本质量大于数量需要绘制背景类推荐点状样本全：样本子区全面覆盖多种地物多：绘制样本尽可能多，推荐覆盖子区域80%以上目标精：样本轮廓尽可能精确，不要多余地物监督分类–随机森林–支持向量机–朴素贝叶斯–线性支持向量机–K近邻–极度随机树非监督分类–BIRCH–MiniBatchK-Means异常探测–孤立森林–局部异常因子训练模型——ENVI全新机器学习工具包分类不同地区、不同时相的数据–可批处理–可分布式并行处理–可分享训练后的分类器保存和恢复分类器ENVI全新机器学习工具包数据准备–点状、线状、面状样本选择机器学习算法–随机森林–支持向量机–朴素贝叶斯–…训练分类器图像分类ENVI全新机器学习工具包以4景SuperView-1数据为例（2米）ENVI全新机器学习工具包–分类结果训练模型——机器学习工具机器学习监督分类机器学习非监督分类机器学习异常检测深度学习特点就是模型可复用，机器学习也有训练模型！训练模型——机器学习模型可复用？深度学习善于提取空间特征，也因此具备对象检测能力图像分类——分别有哪些适用场景？机器学习深度学习图像分类——深度学习应用场景像素分类对象检测变化监测建筑物厂房城中村空地绿地蔬菜大棚风力发电风车光伏发电板水体硬质地表汽车道路深度学习图像分类工具典型应用机器学习PK深度学习机器学习深度学习Sentinel-2A/B(哨兵2B)机构：欧空局发射时间：2015/2017基本参数：–分辨率：10/20/60米–13个波段：可见光、近红外、短波红外–标准宽幅：290x290千米–重返周期：10天–双星：5天Landsat8运行时间：2013年2月Landsat9运行时间：2021年9月基本参数：–9个多光谱波段（OLI陆地成像仪）：30米–2个热红外波段（TIRS）：100米–全色波段：15米分辨率–成像宽幅：185x185千米–重返周期：16天–双星：8天Landsat8/9机构：欧空局运行时间：2014/2016基本参数：–C波段全极化SAR–分辨率：5/20/40米–标准...
