利用PSP Net实现湖北省遥感影像土地覆盖分类

摘要：

提出了一种基于金字塔场景解析网络(pyramid scene parsing net,PSP Net)的深度学习算法.以湖北省遥感影像为实验数据,借助PSP Net的上下文场景解析能力,研究湖北省30 m分辨率的土地覆盖.实验使用了湖北省Landsat卫星影像中507景900×600像素的标准分幅影像,通过预处理生成了适用于深度学习的样本集.选择其中300景为样本,包括训练集240个、预测集44个和验证集16个.使用快速特征嵌入卷积结构(convolutional architecture for fast feature embedding,CAFFE)下的PSP Net模型对样本数据进行训练,设置了10×10-10的学习率,选择了第100万次的训练模型,很好地防止了数据的过拟合.通过模型的泛化和样本的泛化与迭代,对湖北省2000年、2005年、2010年3期的Landsat卫星影像土地覆盖进行分类,分类精度分别达到82.2％、83.4％和83.7％.研究结果表明,基于PSP Net的深度学习算法可以快速、有效和精确地实现大范围的遥感影像土地覆盖分类.

关键词：遥感影像;土地覆盖分类;深度学习;金字塔场景解析网络(PSP Net)

所属期刊栏目：46

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金U1810203

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1224-1232