基于DeepLab-v3+的遥感影像分类

论文摘要

遥感影像分类是模式识别技术在遥感领域的具体应用,针对普通卷积神经网络处理遥感图像分类遇到的边缘分类不准确、分类精度低等问题,提出了一种基于编码解码器的空洞卷积模型（DeepLab-v3+）的遥感图像分类方法。首先标注卫星图像数据;再利用标注数据集对DeepLab-v3+模型进行训练,该模型能够提取遥感图像中具有较强稳健性的边缘特征;最后获得遥感影像地物分类结果。在遥感数据集上进行分析可知,所提方法比其他分类方法具有更高的分类精度,更稳健的边缘特征,以及更优的分类效果。

论文目录

• 1 引言
• 2 基于DeepLab-v3+的遥感图像分类方法
•   2.1 系统概述
•   2.2 ASPP
•   2.3 编码解码模块
• 3 实验与分析
•   3.1 实验环境
•   3.2 实验数据及数据增强
•   3.3 训练和测试结果分析
•   3.4 DeepLab-v3+与其他模型分割结果对比
•   3.5 在公开的数据集实验
• 4 结论

文章来源

类型: 期刊论文

作者: 袁立,袁吉收,张德政

关键词: 遥感,编码解码器,空洞卷积,影像分类

来源: 激光与光电子学进展 2019年15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: 北京科技大学自动化学院,北京科技大学计算机与通信工程学院

分类号: TP751

页码: 236-243

总页数: 8

文件大小: 6701K

下载量: 592