看过本文的还看了

相关文献

该作者的其他文献

文献详情 >Deeplab V3+高分遥感影像水体信息提取 收藏
Deeplab V3+高分遥感影像水体信息提取

Deeplab V3+高分遥感影像水体信息提取

作     者:殷腾箐 周兴华 宋立松 YIN Tengjing;ZHOU Xinghua;SONG Lisong

作者机构:浙江省水利河口研究院(浙江省海洋规划设计研究院)浙江杭州310017 

基  金:2021年浙江省水利科技计划项目(RC2150) 2021年浙江省水利河口研究院院长科学基金重点项目(ZIHE21Z004) 2024年浙江省自然科学基金联合基金资助项目(LZJWY24E090002) 

出 版 物:《浙江水利科技》 (Zhejiang Hydrotechnics)

年 卷 期:2024年第52卷第6期

页      码:88-93页

摘      要:及时准确获取和掌握水体分布信息对于水域管理等具有重要的意义。以水网密布、分布复杂的浙北杭嘉湖水网平原为研究区,采用随机森林模型和基于扩张残差网络(DRN)的Deeplab V3+模型,对北京二号高分辨率遥感影像进行水体信息提取,比较了2种模型水体信息提取的准确性。结果表明,采用5个特征的随机森林模型的提取精度要好于只采用3个特征的随机森林模型;Deeplab V3+模型的提取精度要明显优于随机森林模型,它的提取总体精度为0.9766,kappa系数为0.8266,MIoU为0.8266,均明显高于随机森林模型;以目视解译结果为参考,Deeplab V3+的提取结果也明显好于随机森林模型,消除了随机森林提取结果中明显的“椒盐效应”,其原因可能与Deeplab V3+模型能充分利用高分遥感影像的光谱和空间纹理特征有关。因此,DeepLabV3+模型可以从高分遥感影像有效地提取水体的信息,即使在杭嘉湖平原这种复杂的环境下,为快速、准确获得水体分布信息提供了一个有效的途径和手段。

主 题 词:语义分割 遥感 深度学习 DeepLabV3+ 

学科分类:083002[083002] 0830[工学-生物工程类] 081504[081504] 081802[081802] 08[工学] 0818[工学-交通运输类] 0815[工学-矿业类] 081602[081602] 0816[工学-纺织类] 

D O I:10.13641/j.cnki.33-1162/tv.2024.06.017

馆 藏 号:203155745...

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分