应用U-Net模型和多时相Landsat-8影像对森林植被的分类

编号 zgly0001737787

文献类型 期刊论文

文献题名 应用U-Net模型和多时相Landsat-8影像对森林植被的分类

作者 杨丹  李崇贵  常铮  李煜  雷田旺 

作者单位 西安科技大学测绘科学与技术学院  西安科技大学  西安交通工程学院 

母体文献 东北林业大学学报 

年卷期 2021,49(9)

页码 55-59

年份 2021 

分类号 S715.3 

关键词 Landsat8多时相影像  U-Net模型  最大似然法  植被指数  森林分类 

文摘内容 为了探讨深度学习全卷积神经网络模型(U-Net)在多时相Landsat-8影像上的森林植被分类效果,以黑龙江孟家岗林场为研究区,采用多时相的Landsat-8影像为数据源,根据各森林类别多时相的光谱曲线确定分类的最佳时相,并对优化后的U-Net模型进行训练并验证。同时,进一步构建多时相植被指数特征,训练分类模型并对森林植被进行分类,比较优化后的U-Net分类方法和最大似然分类法的分类精度。结果表明:加入多时相植被指数的U-Net模型分类精度为83.5%,比单一时相分类精度高6.1%;优化后的U-Net模型分类方法精度明显高于最大似然分类方法,说明加入多时相植被指数的U-Net模型分类方法可以有效的提高森林分类精度。