结合nDSM的高分辨率遥感影像深度学习分类方法

论文摘要

针对高分辨率遥感影像因其地物类内差异大、光谱信息相对欠缺导致现有影像分类方法存在错分现象较多、地物边界残缺不完整等问题,本文提出了一种归一化数字表面模型（nDSM）约束的高分辨率遥感影像深度学习分类方法。首先,将nDSM数据作为附加波段叠加在遥感影像上并获取训练样本;然后,利用优化的U-Net网络进行模型训练得到最优模型;最后,利用最优模型对附加了nDSM波段的遥感影像进行地物分类。试验结果表明,本文方法引入nDSM数据用于U-Net模型训练和分类,可有效提高影像分类精度,得到更加真实可靠的分类结果。

论文目录

• 1 本文方法
•   1.1 U-Net网络
•   1.2 结合n DSM与U-Net模型的影像分类流程
• 2 试验与分析
•   2.1 试验数据
•   2.2 网络训练
•   2.3 试验结果与分析
• 3 结语

文章来源

类型: 期刊论文

作者: 许慧敏,齐华,南轲,陈敏

关键词: 影像分类,归一化数字表面模型,深度学习

来源: 测绘通报 2019年08期

年度: 2019

分类: 基础科学,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: 西南交通大学地球科学与环境工程学院

基金: 四川省科技厅重点研发项目(2017SZ0027)

分类号: TP751;TP18

DOI: 10.13474/j.cnki.11-2246.2019.0253

页码: 63-67

总页数: 5

文件大小: 1906K

下载量: 405