基于GF-2的江苏滨海湿地遥感深度学习分类算法研究
Resources and Environment in the Yangtze Basin（2021）
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.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要