深度學習U-Net方法及其在高分辨衛星影像分類中的應用

作者：楊瑞,祁元,蘇陽

摘要：高分辨率遙感影像有精確的幾何結構和空間布局,但是光譜信息有限,增大了對光譜特征相似地物的分類難度。針對高分辨率遙感影像分類的問題,采用深度學習U-Net模型分類方法。基于黑河下游額濟納綠洲高分二號遙感影像,通過U-Net模型提取胡楊、檉柳、耕地、草地和裸地五種地物覆被類型,分類總體精度和Kappa系數分別為85.024%和0.7956,并與傳統的支持向量機(SVM,Support Vector Machine)和面向對象的分類方法比較,結果表明:相對于SVM和面向對象,基于U-Net模型的高分辨率衛星影像地物覆被分類,能夠更好地對地物本質特征進行提取,分類效果較好,滿足精度要求。

發文機構：中國科學院西北生態環境資源研究院 中國科學院大學

關鍵詞：深度學習U-Net模型高分二號遙感影像SVM分類Deep learningU-Net modelGaofen-2 remote sensing imageSVMClassification

分類號： TP75[自動化與計算機技術—檢測技術與自動化裝置]