来源:《地理与地理信息科学》2019年第04期 作者:陈前;郑利娟;李小娟;徐崇斌;吴俣;谢东海;刘亮;
选择字号

基于深度学习的高分遥感影像水体提取模型研究

分享到: 分享到QQ空间

从高分辨率卫星遥感影像中提取水体对于水体监测和管理具有重要意义,而阴影和建筑物的干扰制约了水体提取的精度。该文分别利用卷积神经网络和Deeplabv3语义分割神经网络,开展了高分辨率卫星遥感数据水体提取研究,探讨深度学习在水体提取中的应用能力。首先,以高分辨率卫星遥感影像为数据源,分别建立水体分类数据集和水体语义分割数据集,构建并训练卷积神经网络及Deeplabv3网络,得到最优的两种水体提取模型,进一步利用同一测试集对两种模型和其他方法进行精度评价。结果表明,卷积神经网络、Deeplabv3方法精度分别达到95.09%和92.14%,均高于水体指数法、面向对象法和支持向量机法;而且该两种深度学习方法都能够有效去除阴影和建筑物的影响,说明了深度学习方法的有效性,其中,卷积神经网络的适用性更好。(本文共计7页)       [继续阅读本文]

下载阅读本文     订阅本刊   
如何获取本文>>          如何获取本刊>> 

相关文章推荐

地理与地理信息科学杂志2019年第04期
地理与地理信息科学
主办:河北省科学院地理科学研究所
出版:地理与地理信息科学杂志编辑部
出版周期:双月
出版地:河北省石家庄市

本期目录