文章摘要:为解决深度语义模型（SegNet）在高分辨率遥感影像分类中易出现梯度消失从而影响分类精度的问题，提出一种残差学习改进SegNet语义模型（ResSegNet）的高分辨率遥感影像分类方法，该方法以SegNet语义模型为基础，通过构建更深层次的网络结构并加入残差块以提高模型的特征提取能力，从而提取更深层次影像空谱特征实现分类。利用高分辨率遥感影像语义分割数据集Vaihingen和Postdam进行实验验证，结果表明：相比于支持向量机、面向对象决策树法、传统卷积神经网络和SegNet语义模型分类方法，提出的ResSegNet分类方法的总体精度分别为最高的89.18%和87.62%，分类效果和分类精度最优。

文章关键词:

项目基金: