论文摘要
遥感图像分割是目前学术界和工业界的一个研究热点,在城市规划、变化检测以及GIS信息构建等方面有着十分广泛的应用.然而,诸多复杂因素(如多变的尺度、多样化的拓扑形状以及复杂的背景和阴影等)使得遥感图像语义分割成为一项具有挑战性的任务.为此,提出一种基于多尺度信息融合的遥感图像语义分割深层卷积神经网络模型,该模型分为编码器和解码器2部分.在编码阶段,设计了基于DenseNet网络的跨卷积层级的多尺度特征融合策略,采用子区域全局平均池化及多尺度卷积处理复杂的背景区域;在解码阶段,为了准确地恢复图像的细节信息,设计了能够融合不同层级卷积特征的短解码器;最后,在整体模型构建方面设计了一种具有多输出的分层监督机制网络模型,从不同层级获取监督信息,可在充分利用监督信息的同时更好地引导网络的训练.在ISPRS公开数据集以及北京市遥感数据集上,通过实验验证了文中模型的有效性.
论文目录
文章来源
类型: 期刊论文
作者: 张静,靳淇兆,王洪振,达铖,向世明,潘春洪
关键词: 遥感图像,语义分割,深度卷积神经网络
来源: 计算机辅助设计与图形学学报 2019年09期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,自动化技术
单位: 哈尔滨理工大学自动化学院,中国科学院自动化研究所模式识别国家重点实验室
基金: 国家自然科学基金(91646207)
分类号: TP751
页码: 1509-1517
总页数: 9
文件大小: 3801K
下载量: 300
相关论文文献
标签：遥感图像论文; 语义分割论文; 深度卷积神经网络论文;