深度学习U-Net方法及其在高分辨卫星影像分类中的应用

编号 zgly0001721235

文献类型 期刊论文

文献题名 深度学习U-Net方法及其在高分辨卫星影像分类中的应用

作者 杨瑞  祁元  苏阳 

作者单位 中国科学院西北生态环境资源研究院  中国科学院大学 

母体文献 遥感技术与应用 

年卷期 2020年04期

年份 2020 

分类号 TP18  TP751 

关键词 深度学习  U-Net模型  高分二号遥感影像  SVM  分类 

文摘内容 高分辨率遥感影像有精确的几何结构和空间布局,但是光谱信息有限,增大了对光谱特征相似地物的分类难度。针对高分辨率遥感影像分类的问题,采用深度学习U-Net模型分类方法。基于黑河下游额济纳绿洲高分二号遥感影像,通过U-Net模型提取胡杨、柽柳、耕地、草地和裸地五种地物覆被类型,分类总体精度和Kappa系数分别为85.024%和0.795 6,并与传统的支持向量机(SVM,Support Vector Machine)和面向对象的分类方法比较,结果表明:相对于SVM和面向对象,基于U-Net模型的高分辨率卫星影像地物覆被分类,能够更好地对地物本质特征进行提取,分类效果较好,满足精度要求。