基于CNN的吉林一号卫星城市土地覆被制图潜力评估

吕冬梅,马玥,李华朋

Evaluating the Potential of JL1 Remote Sensing Data in Urban Land Cover Classification Using Convolutional Neural Networks

Lü Dongmei,Yue Ma,Huapeng Li

表3 不同分类方法生产者精度对比

Table 3 Comparison of produce′s accuracy between different classification methods

地物类型 S1实验区 PA/% 地物类型 S2实验区 PA/% MLC MLP SVM CNN MLC MLP SVM CNN 混凝土屋顶 32.35 56.93 49.17 86.69 混凝土屋顶 46.75 57.40 67.85 89.55 金属屋顶 100.00 99.00 99.00 97.41 金属屋顶 95.45 94.89 94.03 95.45 黏土屋顶 70.08 74.66 78.44 88.41 黏土屋顶 81.44 84.33 87.84 96.91 塑胶表面 60.52 57.61 55.34 77.99 塑胶表面 77.13 52.22 36.18 87.71 沥青路面 77.63 70.32 62.33 76.48 沥青路面 75.78 76.40 70.39 79.50 铁路 78.73 57.01 72.40 87.78 林地 97.38 98.47 97.60 96.94 林地 96.88 99.42 98.83 96.10 草地 88.75 87.78 88.10 94.86 草地 77.56 78.88 75.25 86.80 裸土 67.77 73.42 66.11 91.03 裸土 62.14 51.46 54.05 72.49 水体 84.21 90.13 92.43 92.76