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)
1409
编辑：管理员
来源：北方有色网
咨询细节
