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
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 深度学习 U-Net模型 高分二号遥感影像 SVM 分类
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 甘肃遥感学会专栏
• 页码范围: 767-774
• 页数: 8页
• 分类号: TP75
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2020.4.0767

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨瑞	中国科学院西北生态环境资源研究院	7	68	2.0	7.0
2	祁元	中国科学院西北生态环境资源研究院	33	606	15.0	24.0
3	苏阳	中国科学院西北生态环境资源研究院	7	9	2.0	3.0