论文摘要
"高分五号"卫星是世界首颗实现对大气和陆地综合观测的全谱段高光谱卫星,对于土地利用类型分类具有重要的应用价值,如何利用深度学习技术开展高光谱图像分类是当前研究的热点问题。深度学习中的语义分割方法在地面场景的图像中已经获得较好的应用,但是对于高光谱遥感图像的精度和适用性较差,无法准确获得精确的分类结果。文章采用U-net模型开展高光谱土地利用类型分类研究,首先基于"高分五号"卫星高光谱数据,构建样本数据集,然后训练分类模型,进行土地利用类型分类,探讨语义分割方法在高分五号高光谱数据上的应用能力。结果表明,采用深度学习中的语义分割方法能够有效提高精度水平,U-net模型的整体分类精度为0.9357,Kappa系数达到0.92,均高于SVM方法和CNN方法。采用深度学习中的语义分割方法,可以为"高分五号"高光谱数据的土地利用分类提供技术支撑,有效提升"高分五号"卫星的应用能力。
论文目录
文章来源
类型: 期刊论文
作者: 孙晓敏,郑利娟,吴军,陈前,徐崇斌,马杨,陈震
关键词: 网络模型,深度学习,高光谱图像,土地利用分类,高分五号,卫星应用
来源: 航天返回与遥感 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,自动化技术
单位: 北京空间机电研究所,北京市航空智能遥感装备工程技术研究中心,国网湖北省电力有限公司直流运检公司,中国资源卫星应用中心
分类号: TP751;TP18
页码: 99-106
总页数: 8
文件大小: 946K
下载量: 445