基于U-Net的高分辨率遥感图像语义分割方法

论文摘要

图像分割是遥感解译的重要基础环节,高分辨率遥感图像中包含复杂的地物目标信息,传统分割方法应用受到极大限制,以深度卷积神经网络为代表的分割方法在诸多领域取得了突破进展。针对高分辨遥感图像分割问题,提出一种基于U-Net改进的深度卷积神经网络,实现了端到端的像素级语义分割。对原始数据集做了扩充,对每一类地物目标训练一个二分类模型,随后将各预测子图组合生成最终语义分割图像。采用了集成学习策略来提高分割精度,在"CCF卫星影像的AI分类与识别竞赛"数据集上取得了94%的训练准确率和90%的测试准确率。实验结果表明,该网络在拥有较高分割准确率的同时还具有良好的泛化能力,能够用于实际工程。

论文目录

• 1 引言
• 2 基本理论
•   2.1 深度卷积神经网络 （DCNNs）
•   2.2 网络设计技巧
• 3 遥感图像语义分割
•   3.1 数据增强
•   3.2 网络结构及参数设置
•   3.3 结果优化
•   3.4 评价指标
• 4实验分析道
• 5 结束语

文章来源

类型: 期刊论文

作者: 苏健民,杨岚心,景维鹏

关键词: 遥感图像,语义分割,卷积神经网络,集成学习

来源: 计算机工程与应用 2019年07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: 东北林业大学信息与计算机工程学院

基金: 黑龙江省自然科学基金(No.C200840,No.F201028)

分类号: TP751

页码: 207-213

总页数: 7

文件大小: 2280K

下载量: 1750