| 基于GF-2的江苏滨海湿地遥感深度学习分类算法研究 |
| |
| 引用本文： | 游佩佩,刘振波,谢嘉伟,徐军,葛云健,吴璐瑶.基于GF-2的江苏滨海湿地遥感深度学习分类算法研究[J].长江流域资源与环境,2021,30(7):1659-1669. |
| |
| 作者姓名： | 游佩佩 刘振波 谢嘉伟 徐军 葛云健 吴璐瑶 |
| |
| 作者单位： | 南京信息工程大学遥感与测绘工程学院,江苏南京210044;南京信息工程大学自动化学院,江苏南京210044;南京信息工程大学地理科学学院,江苏南京210044 |
| |
| 摘 要： | 以江苏盐城滨海湿地为研究区,基于高分二号(GF-2)高空间分辨率遥感影像,应用VGG16_BN深度学习网络对研究区不同地物类别进行分类,并与VGG16、SVM和BP神经网络分类结果进行对比,综合评价分析分类结果精度与适用性.研究结果表明:与其他分类算法结果相比,基于深度学习VGG16_BN网络的影像分类精度相对最高,总体分类精度达99.32％,Kappa系数0.99,均显著高于其它分类算法精度.此外,通过局部可视化分析,VGG16_BN网络算法分类结果可有效保持大面积同类地物的区域一致性,有效避免"椒盐"噪声,对道路、河流等线状地物的连续性和边界提取较为完整和清晰.
|
| 关 键 词： | 高分二号 湿地植被分类 深度学习 VGG16_BN |
Research on Deep Learning Algorithm Remote Sensing Classification of Jiangsu Coastal Wetlands Based on GF-2 Image |
| |
| YOU Pei-pei,LIU Zhen-bo,XIE Jia-wei,XU Jun,GE Yun-jian,WU Lu-yao.Research on Deep Learning Algorithm Remote Sensing Classification of Jiangsu Coastal Wetlands Based on GF-2 Image[J].Resources and Environment in the Yangtza Basin,2021,30(7):1659-1669. |
| |
| Authors: | YOU Pei-pei LIU Zhen-bo XIE Jia-wei XU Jun GE Yun-jian WU Lu-yao |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
