基于GF-2的江苏滨海湿地遥感深度学习分类算法研究

作者：游佩佩; 刘振波^*; 谢嘉伟; 徐军; 葛云健; 吴璐瑶

来源：长江流域资源与环境, 2021, 30(07): 1659-1669.

• 高分二号
• 湿地植被分类
• 深度学习
• VGG16＿BN

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VGG16BN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VGG16BN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,VGG16BN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。

• 单位
  自动化学院; 南京信息工程大学