基于GlobeLand30的智能解译样本动态制备方法

从影像特征相似性出发研究基于Landsat-8影像相似性的智能解译样本动态制备方法,构造光谱相似度、纹理相似度、空间邻近度3种样本集选择方法。基于相同的U-Net+EfficientNet-B3语义分割网络,对比了根据3种测度下选择的样本影像所制备的样本集对总体分类精度的影响。结果表明,从历史成果数据中选择样本影像用于模型训练,是提高分类精度的有效方法;在3种样本影像选择策略中,空间邻近度可得到精度最高、方差最小的分类结果;历史成果数据中的错误标签会导致智能模型精度降低。