|
|||||
|
|
| 深度学习U-Net方法及其在高分辨卫星影像分类中的应用 | |
| 作者姓名： | 杨瑞 祁元 苏阳 |
| 作者单位： | 1.中国科学院西北生态环境资源研究院, 甘肃 兰州 730000;2.中国科学院大学, 北京 100049 |
| 基金项目： | 中国科学院A类战略性先导科技专项(XDA20100101) |
| 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... |
| 关 键 词： | 深度学习 U-Net模型 高分二号遥感影像 SVM 分类 |
| 收稿时间： | 2019-01-29 |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《遥感技术与应用》浏览原始摘要信息 | |
| 点击此处可从《遥感技术与应用》下载全文 | |