基于U-Net的珊瑚礁遥感影像自动分类

珊瑚礁遥感影像分类是珊瑚礁遥感监测的关键性基础技术,对珊瑚礁生态保护与制图应用起着重要的支撑作用。提出一种新的基于U-Net模型的珊瑚礁遥感影像自动分类方法,该方法使用小样本珊瑚礁影像训练即可得到分类精度较高的模型,克服了一般深度学习模型需要海量样本数据训练的缺陷。基于LandsatTM影像,对南海珊瑚礁进行遥感分类,其准确度潟湖坡为78%,向海坡为85%,珊瑚礁、海洋、陆地均大于95%,所有类别的边界轮廓指数大于92%。因此,这种自动分类方法比传统的珊瑚礁遥感影像分类方法精度更高,分类速度更快。

用随机决策树群算法进行高光谱遥感影像分类

高光谱影像具有丰富的光谱信息,与全色、多光谱影像相比能更好地进行地面目标的分类识别.该文对决策树分类算法的优劣进行分析,引入随机决策树群算法,对青海省祁连县Hyperion高光谱影像和IRS-P6影像数据进行实验,使用子空间划分和光谱距离进行降维后,分别采用支持向量机、神经网络、最大似然法进行分类,并与随机决策树群算法分类结果进行比较.结果表明,该算法表现最优且无需降维预处理,可广泛应用于高光谱遥感领域.