本发明涉及一种基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法,其技术特点是:获取珊瑚岛礁的原始遥感影像,并对原始遥感影像进行数据预处理;建立珊瑚岛礁的地质分类体系,从预处理后的遥感影像中进行特征提取与分类,得到珊瑚岛礁的地质分类数据集;使用珊瑚岛礁的地质分类数据集对Deeplabv3+卷积神经网络和ResNet残差网络模型进行训练,得到训练后的识别与分类模型;使用训练后的识别与分类模型进行预测,得到海岛礁遥感地质分类结果图。本发明设计合理,用于海洋珊瑚岛礁的高分辨率遥感影像分类,具有较高的分类精度并且能够较好地区分不同地物之间的细节,总体分类精度和Kappa系数分别为97.57%和0.9643,可广泛用于海岛礁遥感地质分类。
声明:
“基于Deeplabv3+网络模型的海岛礁遥感影像地质分类方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)