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。

SPOT5数据东沙环礁珊瑚礁遥感能力分析

对于大面积的大比例尺珊瑚礁遥感制图而言,SPOT5数据是一种高性价比卫星遥感资料.以Quickbird2数据对东沙环礁珊瑚礁的分类、解译的矢量结果作为该区域实际的珊瑚礁分布,以此为基础分析SPOT5数据的珊瑚礁遥感制图能力.SPOT5只有两个水体穿透信道,从基于光谱数据的分类角度看,以XS1通道为准的珊瑚礁信息提取易将高反射的沙底质归为珊瑚礁;以XS2通道为准的珊瑚礁分布制图存在提取不足问题.由于空间分辨率提高,对潟湖淤泥质中的珊瑚礁提取能力较强,要优于ETM数据.结合ETM数据及PCA融合后的SPOT5的遥感解译结果,能提高SPOT5数据的制图能力.