多层感知卷积神经网络的国产多光谱影像分类

摘要：

联合像元谱段信息与空间结构特征,提出一种适用于多光谱遥感影像像素级分类的多层感知卷积神经网络(MPCNet),并基于吉林1号光谱卫星(Jilin-1GP)影像,在印度纳西克研究区对地表覆盖分类算法进行性能测试.为保证实验的高可靠性,在相同时间段结合Landsat8、Sentinel-2A及HJ-1A影像进行同步分类来定性与定量评估.除此之外,选取三个当前流行算法支持向量机(SVM)、LightGBM、浅层卷积神经网络(CNN)进行算法性能比较.实验结果表明,在Jilin-1GP影像上的总体分类精度可达94.0％～95.8％,Kappa系数达到0.932～0.948.相比准确率较高的浅层CNN,MPCNet的总体分类精度提升3.7个百分点.

关键词：遥感、光谱卫星、空间-光谱信息、多层感知卷积神经网络、分类评估

所属期刊栏目：40

分类号：TP751.1(遥感技术)

资助基金：国家重点研发计划2018YFB1004605

在线出版日期：2020-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：194-206