基于CNN的不同空間分辨率影像土地覆被分類研究

作者：李宏達,高小紅,湯敏

摘要：基于卷積神經網絡(Convolutional Neural Networks,CNN)和5種不同空間分辨率的遙感影像,對西寧市東部一區域開展土地覆被分類研究,旨在探索CNN在不同空間分辨率下進行影像分類的差異性和對不同地物的提取能力。為提高樣本的選擇效率,引入了窗口滑動方法進行輔助選樣。研究表明5種不同空間分辨率影像的總體分類精度均達89%以上,Kappa系數達0.86以上,分類精度較高。在所涉及的分辨率尺度范圍內,空間分辨率越高,CNN分類結果越精細,并能保持較高的分類精度,表明CNN更適合高空間分辨率影像分類;但同時影像空間分辨率越高,地物表現出較高的類內變異性和低類間差異性,分類精度有降低的趨勢。相比較而言,SPOT 6影像的分類精度最高,同時窗口滑動是一種有效的樣本輔助選擇方法。研究對今后同類工作具有一定的借鑒意義。

發文機構：青海師范大學地理科學學院

關鍵詞：CNNLandsat-8/Sentinel-2A/SPOT-6/GF-2影像土地覆被分類Convolutional Neural NetworkLandsat-8/Sentinel-2A/SPOT-6/GF-2 imagesLand cover classification

分類號： TP75[自動化與計算機技術—檢測技術與自動化裝置]