基于U-Net模型的多时相Sentinel-2A/B影像林分类型分类

编号 zgly0001743522

文献类型 期刊论文

文献题名 基于U-Net模型的多时相Sentinel-2A/B影像林分类型分类

作者 杨丹  李崇贵  李斌 

作者单位 西安科技大学测绘科学与技术学院 

母体文献 林业科学研究 

年卷期 2022,35(4)

页码 103-111

年份 2022 

分类号 X87  S757 

关键词 多时相Sentinel-2A/B影像  植被指数  红边指数  U-Net模型  支持向量机  森林分类 

文摘内容 [目的]基于多时相Sentinel-2A/B影像,探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区,以多时相Sentinel-2A/B影像、数字高程模型(DEM)为数据源,通过各森林类别的JM距离,确定最佳单一时相。同时,构建多时相植被指数及红边指数特征(DVI、mNDVI、CIred-edge、NDre1)。采用支持向量机和优化的U-Net模型分别对单一时相+DEM和单一时相+DEM+多时相植被指数两种方案进行分类实验。[结果](1)在单一时相+DEM基础上,加入多时相植被指数后,U-Net模型精度为77.87%,比单一时相+DEM精度高6.67%;(2)U-Net模型的总体精度明显优于支持向量机,并且分类效果更好。同时,深度学习U-Net模型能够避免“椒盐”现象,分类结果更细腻。[结论]基于多时相Sentinel-2A/B影像,构建植被指数及红边指数时序特征,同时采用U-Net模型在一定程度上能够提高林分类型分类精度。