基于DeepLabv3架构的高分辨率遥感图像分类

论文摘要

针对目前使用机器学习解决高分辨率遥感图像分类主要存在下采样导致的细节信息丢失问题,提出了一种基于DeepLabv3架构的小波域DeepLabv3-MRF（Markov random field,MRF）算法。选择当前较为普遍的DeepLabv3架构分类算法,能够获得更为精确的分类结果;采用小波域DeepLabv3-MRF算法,还能够获得更为清晰的边缘细节信息。选取南方某地区高分辨率无人机遥感图像进行分类实验,通过小波变换的方向性、非冗余性以及MRF变换像素空间的交互性这三个方面,将分类结果与原始DeepLabv3架构分类结果对比分析。结果表明,所提出的分类方法精度明显高于原始DeepLabv3架构分类算法的精度,总体精度可提升3%左右,并且可以充分表达高分辨率遥感图像细节信息。

论文目录

• 1 引 言
• 2 卷积神经网络
• 3 DeepLabv3
•   3.1 ResNet模型
•   3.2 DeepLabv3 架构
•   3.3 DeepLabv3 优化
• 4 实验分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 张鑫禄,张崇涛,戴晨光,季虹良,王映雪

关键词: 计算机视觉,深度学习,架构,高分辨率遥感图像,算法,图像分类

来源: 海洋测绘 2019年02期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 战略支援部队信息工程大学地理空间信息学院,32023部队

分类号: TP751

页码: 40-44

总页数: 5

文件大小: 2514K

下载量: 256