基于Unet+CRF的GF-2土地利用分类

摘要

以国产GF-2为数据源,使用自制影像标签,对长春市宽城区部分区域进行土地利用分类,提出将传统的Unet卷积神经网络模型与全连接条件随机场(CRF)结合的方法,并与Segnet网络模型进行对比分析.结果表明:Unet+CRF分类方法的Kappa系数达到0.711,F1-score达到0.795,具有较好的精度,与真实地物具有高度一致性.