针对使用单个深度网络提取不同类型水体时存在泛化能力弱的问题，提出一种多模型贝叶斯概率决策融合方法。选取3个不同的深度网络U-net、ResUnet和Deeplab v3+作为基础分类器进行训练并输出遥感影像上每个像素所属水体的类别概率，基于贝叶斯构建概率自适应融合模块，得到最终的水体提取结果。实验结果表明所提出的多模型贝叶斯概率决策融合方法在水体测试集上的精确率、召回率和F1值分别达到94.21%、95.49%和94.85%,对不同类型水体的融合结果比平均法和多数投票法更准确。
科研之友
微信
新浪微博
Facebook
分享链接
