基于深度学习的高分辨率卫星影像地表覆盖分类方法

作     者：朱明 李景文 吴博 姜建武 ZHU Ming;LI Jing-wen;WU Bo;JIANG Jian-wu

作者机构：中国地质大学(北京)地球科学与资源学院北京100083 广西壮族自治区自然资源信息中心南宁530023 桂林理工大学测绘地理信息学院广西桂林541006 

基　　金：国家自然科学基金项目(41961063) 国家文化和旅游科技创新工程项目(2019-011) 广西创新发展驱动专项资金项目(桂科AA18118048) 

出 版 物：《桂林理工大学学报》 (Journal of Guilin University of Technology)

年 卷 期：2022年第42卷第1期

页      码：115-121页

摘      要：针对高分辨率卫星影像地表覆盖自动化分类精度与效率问题,在深度学习的地表覆盖分类方法的基础上设计了一种适用于高分辨率卫星影像的卷积神经网络模型(LCC-CNN)。用高分二号与北京二号影像数据构建训练样本集,在卷积神经网络中使用不同扩张率的扩张卷积,设计能够区分模糊地表覆盖分类边界的损失函数,实现了多尺度地表覆盖特征的融合与精准提取,利用编码-解码结构输出像素级地表覆盖分类成果。实验结果表明:LCC-CNN在实验区域地表覆盖分类总体精度达到87.17%,IOU及Kappa系数分别为0.7732与0.8291,精度优于传统的决策树与SVM方法8%以上,IOU及Kappa系数分别提高了10%和11%,且在地表覆盖分类过程中不需要人工提取分类特征与设定分类参数,降低了建模难度与时间成本,提高了自动化分类的精度与效率。

主 题 词：深度学习 地表覆盖 卷积 高分辨率卫星影像 神经网络 

学科分类：081603[081603] 081802[081802] 07[理学] 08[工学] 070503[070503] 0818[工学-交通运输类] 0705[理学-地理科学类] 0816[工学-纺织类] 

D　O　I：10.3969/j.issn.1674-9057.2022.01.012

馆 藏 号：203113006...