首页|基于IDL和Python混合编程的深度学习遥感影像分类

基于IDL和Python混合编程的深度学习遥感影像分类

扫码查看
原文链接
  • 万方数据
  • 维普
Python是遥感图像深度学习分类算法常用的语言,但处理效率不佳且对影像类型兼容性不足.IDL是面向对象的交互式程序语言,支持多种遥感数据的高效读写与处理,但不支持深度学习算法的直接调用.本文设计了一套混合编程方案,采用HybridSN算法对乌苏地区的Sentinel-2 影像进行深度学习分类.使用完全矢量化图进行混淆矩阵分析验证精度,并考虑到HybridSN算法的窗口参数对分类的影响,将立方体影像窗口分别设置为5,9,15进行训练和分类.结果表明:当窗口为5时精度最高,其中Kappa系数为0.7210,总体精度为85.66%.IDL与Python混合编程提高了遥感影像分类的工作效率,且便于后续的影像分析.结合实验结果可以进一步证实IDL与Python混合编程在遥感分类甚至其他Python代码中都有优势,其针对的基于Python的遥感处理技术,通过整合IDL的强大数据读写和预处理功能,实现各类代码的配置,从而提高数据处理效率.
Deep Learning Remote Sensing Image Classification Based on IDL and Python Hybrid Programming

张雯雯、李映潭、林用智、弋凌、周伟、王杰

展开 >

西华师范大学地理科学学院,四川 南充 637009

四川水利职业技术学院,四川 崇州 611231

混合编程 IDL Python 深度学习分类 Sentinel-2影像

2024

测绘
四川省测绘学会 四川省测绘地理信息局

测绘

影响因子：0.394
ISSN：1674-5019
年,卷(期)：2024.47(5)