IGSNRR OpenIR
深度学习googlenet模型支持下的中分辨率遥感影像自动分类
陈斌1; 王宏志1; 徐新良2; 王首泰1; 张亚庆2
2019
Source Publication测绘通报
ISSN0494-0911
Volume000Issue:006Pages:29
Abstract提出了一种基于深度学习技术的遥感分类方法,它能有效解决中分辨率影像在分类过程中出现的像元混分问题.研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像,基于GoogleNet模型中的Inception V3网络结构,借助迁移学习方法,构建出遥感分类模型,实现了对武汉市主城区4类典型地物(不透水层、植被、水体和其他用地)的自动分类提取,并将分类结果与传统最大似然分类(ML)结果进行了对比分析.研究表明:基于深度学习方法的遥感影像总体分类精度高达88.33%,Kappa系数为0.8342,明显优于传统ML方法总体分类精度83%和Kappa系数0.7550,而且有效抑制了地物在分类过程中出现的像元混分现象.
Language英语
Document Type期刊论文
Identifierhttp://ir.igsnrr.ac.cn/handle/311030/128628
Collection中国科学院地理科学与资源研究所
Affiliation1.华中师范大学
2.中国科学院地理科学与资源研究所
Recommended Citation
GB/T 7714
陈斌,王宏志,徐新良,等. 深度学习googlenet模型支持下的中分辨率遥感影像自动分类[J]. 测绘通报,2019,000(006):29.
APA 陈斌,王宏志,徐新良,王首泰,&张亚庆.(2019).深度学习googlenet模型支持下的中分辨率遥感影像自动分类.测绘通报,000(006),29.
MLA 陈斌,et al."深度学习googlenet模型支持下的中分辨率遥感影像自动分类".测绘通报 000.006(2019):29.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[陈斌]'s Articles
[王宏志]'s Articles
[徐新良]'s Articles
Baidu academic
Similar articles in Baidu academic
[陈斌]'s Articles
[王宏志]'s Articles
[徐新良]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[陈斌]'s Articles
[王宏志]'s Articles
[徐新良]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.