期刊文献+
共找到32篇文章
< 1 2 >
每页显示 20 50 100
用于建筑物分割的平行结构特征融合网络
1
作者 赵婉秋 张俊虎 李海涛 《计算机工程》 CAS CSCD 北大核心 2024年第8期239-248,共10页
遥感建筑物分割是对遥感图像中的建筑物进行像素级别的分割,从遥感图像中准确提取出建筑物区域,包括建筑物轮廓和内部细节信息。由于遥感图像的特殊性,在对建筑物分割时,阴影与建筑物颜色相似易造成欠分割,树木遮挡等因素易造成过分割... 遥感建筑物分割是对遥感图像中的建筑物进行像素级别的分割,从遥感图像中准确提取出建筑物区域,包括建筑物轮廓和内部细节信息。由于遥感图像的特殊性,在对建筑物分割时,阴影与建筑物颜色相似易造成欠分割,树木遮挡等因素易造成过分割。针对遥感图像中建筑物轮廓分割不完整、阴影干扰强以及分割边缘锯齿状明显等问题,提出一种平行结构的多分支特征融合网络(MFF-Net)。该网络以ResNet-50作为主干网络,解码器采用包含双通道掩码分支的多条平行结构,分别恢复不同尺度的特征图。同时,在每条分支结构中使用改进后的CBAM注意力以加强边缘重要特征,通过双通道掩码结构调整通道交互性,最后进行特征融合。在ISPRS Potsdam和ISPRS Vaihingen数据集上的实验结果表明,与现有主流分割网络相比,MFF-Net的全局准确率、精确率、召回率、F1值、均交并比(mIoU)均有不同程度的提升,在Vaihingen数据集上精确率达到96.22%,F1值达到95.55%,mIoU达到92.16%,在Potsdam数据集上精确率达到96.95%,F1值达到96.32%,mIoU达到93.40%,其提取的建筑物轮廓完整清晰,抗干扰性更强。 展开更多
关键词 遥感图像 特征融合 建筑物分割 双通道掩码 注意力
下载PDF
双通道对抗网络在建筑物分割中的应用
2
作者 张文政 吴长悦 +2 位作者 满卫东 刘明月 赵文 《计算机工程》 CAS CSCD 北大核心 2024年第11期297-307,共11页
无人机影像中的建筑物提取主要面临两大挑战,首先是容易受到树木和阴影的遮挡,导致分割错误,其次是现有方法常忽略建筑物的形态和多分辨率信息。为了应对这些挑战,在对抗网络的框架内引入双通道并行的生成器策略,其中一个通道基于形态... 无人机影像中的建筑物提取主要面临两大挑战,首先是容易受到树木和阴影的遮挡,导致分割错误,其次是现有方法常忽略建筑物的形态和多分辨率信息。为了应对这些挑战,在对抗网络的框架内引入双通道并行的生成器策略,其中一个通道基于形态驱动的小波变换,专注于捕获建筑物的形态属性,包括建筑物的轮廓和结构特征,另一个通道基于DeepLabv3+,用于处理建筑物的复杂纹理,包括表面纹理和细节信息,这种设计使网络可以从多个方面理解影像中的建筑物特征。同时,为了应对遮挡问题,提出一种遮挡感知预处理模块,该模块能够有效地从深度信息中还原被树木和阴影遮挡的建筑轮廓和纹理信息。为了进一步提高网络识别建筑物特征的能力,通过特征融合模块引入自适应注意力机制,并实现一个复合损失函数来增强模型对建筑物结构和形态的敏感度。在两个不同的建筑物数据集上进行实验,结果表明,该网络的平均交并比(mIoU)分别达到93.60%和96.60%,F1分数、准确率也分别达到94.90%、94.42%和95.90%、96.42%。实验数据显示,所提网络可以恢复被遮挡信息同时提高分割精度,为城市规划、资源管理等应用提供有力支持。 展开更多
关键词 对抗网络 无人机 建筑物分割 小波变换 遮挡恢复
下载PDF
并行路径与强注意力机制遥感图像建筑物分割 被引量:3
3
作者 杨坚华 张浩 花海洋 《光学精密工程》 EI CAS CSCD 北大核心 2023年第2期234-245,共12页
遥感图像建筑物分割广泛应用于城市规划及军事领域,是当前遥感领域的研究热点。针对遥感图像中建筑物之间尺度变化较大、建筑物遮挡、建筑物阴影与建筑物边缘相似所导致建筑物分割精度较低的问题,提出一种并行路径和强注意力机制的卷积... 遥感图像建筑物分割广泛应用于城市规划及军事领域,是当前遥感领域的研究热点。针对遥感图像中建筑物之间尺度变化较大、建筑物遮挡、建筑物阴影与建筑物边缘相似所导致建筑物分割精度较低的问题,提出一种并行路径和强注意力机制的卷积神经网络模型。该模型基于ResNet网络残差连接的思想,以ResNet为基础网络提高网络深度,并采用卷积下采样得到并行路径,提取建筑物的多尺度特征,以减少建筑物之间尺度变化的影响。然后加入强注意力机制,增强多尺度信息的融合效果,增加不同特征之间的区分度,抑制建筑物遮挡及建筑物阴影的影响。最后,在多尺度融合特征后加入金字塔空间池化模块,抑制分割结果中建筑物内部孔洞的出现,提高分割精度。在WHU以及Massachusetts Buildings公开数据集进行实验,分别从MIoU,Recall,Precision,F1-score 4个指标对分割结果进行量化比较,在Massachusetts Buildings数据集中MIoU达到72.84%,相较于ResUNet-a提升1.46%,能够有效提高遥感影像中建筑的分割精度。 展开更多
关键词 遥感图像 建筑物分割 并行路径 强注意力机制 金字塔空间池化
下载PDF
基于U-Net神经网络改进的建筑物分割算法研究 被引量:1
4
作者 叶焕然 周润 《中国高新科技》 2023年第6期99-100,106,共3页
为解决高分辨图像分割中存在的普遍问题,文章提出了一种基于U-Net改进的建筑物分割算法。在编码器中利用迁移学习解决标记数据集的稀缺性问题,在跳过连接中引入特征细化块来细化特征,在解码器中加入通道注意力机制选择更多具有辨别力的... 为解决高分辨图像分割中存在的普遍问题,文章提出了一种基于U-Net改进的建筑物分割算法。在编码器中利用迁移学习解决标记数据集的稀缺性问题,在跳过连接中引入特征细化块来细化特征,在解码器中加入通道注意力机制选择更多具有辨别力的特征,算法在Inria航拍图像标记数据集上验证可行性。 展开更多
关键词 遥感图像 建筑物分割 注意力机制 U-Net
下载PDF
基于改进Markov随机场的高分辨率SAR图像建筑物分割算法 被引量:24
5
作者 傅兴玉 尤红建 付琨 《电子学报》 EI CAS CSCD 北大核心 2012年第6期1141-1147,共7页
提出了一种基于改进Markov随机场模型的高分辨率SAR(Synthetic Aperture Radar,合成孔径雷达)图像建筑物分割算法.针对高分辨率SAR图像信噪比低和建筑物复杂纹理特性的特点,采用多尺度Markov随机场模型的最大似然准则方法获取图像的初... 提出了一种基于改进Markov随机场模型的高分辨率SAR(Synthetic Aperture Radar,合成孔径雷达)图像建筑物分割算法.针对高分辨率SAR图像信噪比低和建筑物复杂纹理特性的特点,采用多尺度Markov随机场模型的最大似然准则方法获取图像的初始分割,并在传统Markov邻域能量模型基础之上提出一种新的基于Gabor纹理相似度的邻域势函数模型,采用ICM(Iterative Conditional Model,迭代条件模型)算法进行建筑物分割.多组实际高分辨率SAR图像的实验结果表明,与传统MRF算法等方法相比,本文方法具有更高的分割正确率,同时建筑物边界更为清晰平滑,分割效果较好. 展开更多
关键词 高分辨率SAR图像 建筑物分割 多尺度Markov随机场 GABOR特征
下载PDF
融合分形几何特征Resnet遥感图像建筑物分割 被引量:7
6
作者 徐胜军 张若暄 +2 位作者 孟月波 刘光辉 韩九强 《光学精密工程》 EI CAS CSCD 北大核心 2022年第16期2006-2020,共15页
针对遥感图像建筑物易受背景中道路、树木、阴影干扰而导致分割边界不清晰的问题,提出了一种融合分形几何特征的Resnet网络。所提模型基于编码-解码框架,以Resnet网络为主干网络,在编码阶段中引入融合分形先验的空洞空间金字塔池化模块(... 针对遥感图像建筑物易受背景中道路、树木、阴影干扰而导致分割边界不清晰的问题,提出了一种融合分形几何特征的Resnet网络。所提模型基于编码-解码框架,以Resnet网络为主干网络,在编码阶段中引入融合分形先验的空洞空间金字塔池化模块(FD-ASPP),利用分形维数捕获遥感图像的分形特征,增强了Resnet网络的几何特征描述能力。解码阶段提出一种深度可分离卷积注意力融合机制(DSCAF),有效融合高层次特征和低层次特征,获取更加丰富的遥感图像语义信息和位置细节信息。在WHU遥感图像数据集上的实验表明,精确率达到0.9448,召回率达到0.9462,F1分数达到0.9455,平均交并比mIoU达到0.9415。所提模型与FCN、Segnet、Deeplab V3、U-net、SETR和AlignSeg等现有建筑物遥感语义分割模型相比,具有更好的分割精度,有效克服了道路、树木、阴影等因素的干扰,得到了较清晰的建筑物边界。 展开更多
关键词 遥感图像 建筑物分割 残差网络 分形维数 特征融合
下载PDF
多尺度特征融合空洞卷积ResNet遥感图像建筑物分割 被引量:43
7
作者 徐胜军 欧阳朴衍 +2 位作者 郭学源 Taha Muthar Khan 段中兴 《光学精密工程》 EI CAS CSCD 北大核心 2020年第7期1588-1599,共12页
针对传统建筑物提取方法难以有效描述遥感图像细节特征,导致复杂场景下道路、树木及建筑物之间分割边界不清晰等问题,提出了一种基于多尺度特征融合空洞卷积ResNet(Multiscale-feature Fusion Dilated Convolution ResNet,MFDC-ResNet)... 针对传统建筑物提取方法难以有效描述遥感图像细节特征,导致复杂场景下道路、树木及建筑物之间分割边界不清晰等问题,提出了一种基于多尺度特征融合空洞卷积ResNet(Multiscale-feature Fusion Dilated Convolution ResNet,MFDC-ResNet)模型。首先,为了获取遥感图像建筑物更大范围的特征信息,在深度残差网络中引入空洞卷积增大特征提取的感受野,以捕捉更丰富的多尺度细节特征;其次,为了增强空洞卷积中心点对图像局部区域特征的表达能力,利用3×3卷积核提取遥感图像的中心点区域特征,引入更多的中心点空间先验信息;最后,利用空间金字塔池化模型对不同尺度空洞卷积特征进行融合,获取不同尺度的遥感图像建筑物的上下文信息。在WHU遥感图像数据集上的实验表明,平均交并比mIoU达到0.820,召回率Recall达到0.882。提出算法不仅提高了分割精度,而且有效克服了道路、树木等因素的干扰,得到了较清晰的建筑物边界。 展开更多
关键词 遥感图像 建筑物分割 残差网络 空洞卷积 多尺度特征融合
下载PDF
基于能量最小化的星载SAR图像建筑物分割方法 被引量:6
8
作者 周则明 孟勇 +1 位作者 黄思训 胡宝鹏 《自动化学报》 EI CSCD 北大核心 2016年第2期279-289,共11页
针对星载合成孔径雷达(Synthetic aperture radar,SAR)图像信噪比低、建筑物目标几何变形大以及周围背景复杂的特点,本文提出了一种基于能量最小化的星载SAR图像建筑物分割方法.基于星载SAR图像数据构造条件概率能量项,推动变形曲线向... 针对星载合成孔径雷达(Synthetic aperture radar,SAR)图像信噪比低、建筑物目标几何变形大以及周围背景复杂的特点,本文提出了一种基于能量最小化的星载SAR图像建筑物分割方法.基于星载SAR图像数据构造条件概率能量项,推动变形曲线向建筑物目标边界演化;在能量泛函模型中定义长度能量项以保证变形曲线的平滑;在水平集方法获取的SAR图像初始分割结果的基础上,以高分辨率光学遥感影像中建筑物目标的轮廓作为先验信息,构造先验形状能量项约束曲线在第二阶段的演化,最终实现SAR图像建筑物的分割.实验结果表明,该方法显著提高了建筑物目标轮廓的分割精度. 展开更多
关键词 星载SAR图像 建筑物分割 能量最小化 先验形状
下载PDF
基于多尺度特征融合模型的遥感图像建筑物分割 被引量:7
9
作者 徐胜军 欧阳朴衍 +1 位作者 郭学源 Khan Taha Muthar 《计算机测量与控制》 2020年第7期214-219,共6页
针对传统深度网络模型难以精确提取建筑物边缘轮廓特征及对不同尺寸建筑物无法自适应提取的问题,提出一种膨胀卷积特征提取的多尺度特征融合深度神经网络模型(multiscale-feature fusion deep neural networks with dilated convolution... 针对传统深度网络模型难以精确提取建筑物边缘轮廓特征及对不同尺寸建筑物无法自适应提取的问题,提出一种膨胀卷积特征提取的多尺度特征融合深度神经网络模型(multiscale-feature fusion deep neural networks with dilated convolution,MDNNet)对遥感图像建筑物自动分割的方法;首先在ResNet101模型中引入膨胀卷积扩大提取视野保留更多特征图像分辨率;其次利用多尺度特征融合模块获取多个尺度的建筑物特征并将不同尺度的特征融合;最终利用特征解码模块将特征图恢复到原始输入图像尺寸,实现遥感图像建筑物精确分割;在WHU遥感图像数据集的实验结果表明,提出模型有效克服道路、树木和阴影等因素影响,分割结果有效保留建筑物边界细节信息,有效提升分割精度,像素准确率PA达到0.864,平均交并比mIoU达到0.815,召回率Recall达到0.862。 展开更多
关键词 遥感图像 建筑物分割 深度神经网络 膨胀卷积 多尺度特征融合
下载PDF
基于改进SegNet模型的遥感图像建筑物分割 被引量:5
10
作者 李紫薇 英昌盛 +1 位作者 于晓鹏 丁婷婷 《吉林大学学报(理学版)》 CAS 北大核心 2022年第2期409-416,共8页
针对原始SegNet网络模型存在的参数数量多、梯度不稳定及分割精度低等问题,提出一种通过构建SegNet与带残差的bottleneck块、深度可分离卷积以及跳跃连接结构相结合的改进模型.在航空和卫星遥感图像数据集上进行实验的结果表明,改进后... 针对原始SegNet网络模型存在的参数数量多、梯度不稳定及分割精度低等问题,提出一种通过构建SegNet与带残差的bottleneck块、深度可分离卷积以及跳跃连接结构相结合的改进模型.在航空和卫星遥感图像数据集上进行实验的结果表明,改进后的网络模型在精确率、召回率及F_(1)值等性能评价指标上均获得更优结果,表明改进的网络模型在遥感图像建筑物分割任务中有良好的实用价值. 展开更多
关键词 残差 深度可分离卷积 跳跃连接 遥感图像 建筑物分割
下载PDF
用于数字表面模型建筑物分割的LS-ORTSEG方法 被引量:1
11
作者 闫奕名 赵春晖 崔颖 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2017年第3期29-34,共6页
基于数字表面模型(DSM)的建筑物分割是遥感三维城市建模的关键技术之一.为解决DSM分割中因地形起伏和边界处干扰物等引起的建筑物分割精度低的问题,文中提出一种层次化的建筑物分割方法 LS-ORTSEG.该方法首先利用水平集方法初步提取各... 基于数字表面模型(DSM)的建筑物分割是遥感三维城市建模的关键技术之一.为解决DSM分割中因地形起伏和边界处干扰物等引起的建筑物分割精度低的问题,文中提出一种层次化的建筑物分割方法 LS-ORTSEG.该方法首先利用水平集方法初步提取各个潜在的建筑物区域,对各潜在区域进行适当扩展,进而针对扩展区域利用一种基于多重随机纹理模型的分割方法进行精细分割,进一步优化建筑物局部边界分割结果.实验表明,文中方法能够有效提高建筑物分割精度. 展开更多
关键词 数字表面模型 建筑物分割 水平集 多重随机纹理模型
下载PDF
基于深度卷积网络的遥感影像建筑物分割方法 被引量:2
12
作者 余威 龙慧云 《计算机技术与发展》 2019年第6期57-61,共5页
大规模可见光遥感图像的建筑物提取是遥感图像分析领域中的一项重要工作,但是,在真实环境下,城市建筑物的尺寸范围变化大、颜色纹理轮廓复杂,加上树木等造成的遮挡,以及光照等原因,影响建筑物分割的精度。因此,文中设计并实现了两种端... 大规模可见光遥感图像的建筑物提取是遥感图像分析领域中的一项重要工作,但是,在真实环境下,城市建筑物的尺寸范围变化大、颜色纹理轮廓复杂,加上树木等造成的遮挡,以及光照等原因,影响建筑物分割的精度。因此,文中设计并实现了两种端到端全卷积神经网络的分割方法,并在两个网络模型中加入剪裁层用以解决预测结果中产生的拼接痕迹问题,同时将IOU评价标准变形加入损失函数中,来提高模型分割精度。两个模型以不同尺度的遥感影像作为网络的输入,将网络模型输出结果采用加权的方式进行融合,进一步提高遥感影像建筑物识别和分割精度。在公开的Inria遥感影像数据集上的实验证明了该方法在遥感影像建筑物分割上的有效性。 展开更多
关键词 全卷机神经网络 遥感影像 建筑物分割 模型融合
下载PDF
基于双路径编码的遥感建筑物图像分割方法
13
作者 苏赋 李沁 马傲 《计算机科学与探索》 CSCD 北大核心 2024年第10期2704-2711,共8页
高分辨率遥感图像建筑物分割是遥感影像研究的热点之一,而高分辨率遥感图像中建筑物尺度多样容易导致错分割、漏分割和边界模糊。针对上述问题,基于U-Net网络结构提出了一种双路径编码的遥感建筑物图像分割网络(DCU-Net)。DCU-Net在U-Ne... 高分辨率遥感图像建筑物分割是遥感影像研究的热点之一,而高分辨率遥感图像中建筑物尺度多样容易导致错分割、漏分割和边界模糊。针对上述问题,基于U-Net网络结构提出了一种双路径编码的遥感建筑物图像分割网络(DCU-Net)。DCU-Net在U-Net上加入一条并行编码路径,形成双路径编码结构。在编码阶段设计了密集残差编码模块(DRCM)和多尺度空洞卷积编码模块(MDCCM)以增强多尺度特征提取。在网络中加入双路融合注意力模块(DFAM),增强网络对特征的表达能力。为验证网络有效性,在WHU与Massachusetts数据集上进行实验,召回率、F1分数和交并比指标在WHU上达到91.26%、92.33%和86.15%,在Massachusetts Buildings上达到81.64%、84.33%和82.72%。结果表明,DCU-Net对于不同尺度的建筑物提取有较高的提取精度。 展开更多
关键词 遥感影像 建筑物分割 双路径编码 注意力机制 多尺度特征
下载PDF
改进马尔科夫随机场的SAR图像建筑物分割
14
作者 赵佳 安道祥 《遥感技术与应用》 CSCD 北大核心 2024年第2期405-412,共8页
作为城区主要目标之一,建筑物的检测和提取至关重要,而利用图像分割将建筑物从背景中分离出来是后续处理的基础。传统马尔科夫随机场(Markov Random Field,MRF)模型对合成孔径雷达(Synthetic Aperture Radar,SAR)图像进行建筑物分割时... 作为城区主要目标之一,建筑物的检测和提取至关重要,而利用图像分割将建筑物从背景中分离出来是后续处理的基础。传统马尔科夫随机场(Markov Random Field,MRF)模型对合成孔径雷达(Synthetic Aperture Radar,SAR)图像进行建筑物分割时只利用了灰度信息,因此对灰度不均匀目标分割完整性较差,且利用最小能量准则分割时未考虑两部分随机场能量的相互关系,从而导致分割结果不能同时兼顾区域一致性与边缘细节性。为此,研究提出一种改进MRF的SAR图像建筑物分割方法。首先,通过在观测场引入由巴氏距离加权的纹理特征,实现对灰度不均匀建筑物的完整提取;其次,在两部分随机场能量中引入随迭代次数变化的权重,实现在建筑物密集区域保持边缘平滑的同时更好地抑制噪声。为了验证算法的有效性和实用性,对不同场景的SAR图像进行处理,结果表明:所提算法在不同场景中均能得到更好的分类正确率和Dice系数。 展开更多
关键词 马尔科夫随机场 纹理特征 巴氏距离 自适应权重 建筑物分割
原文传递
一种交叉区域注意力的高分辨率遥感建筑物提取算法
15
作者 邓博文 徐胜军 +3 位作者 孟月波 刘光辉 韩九强 史亚 《小型微型计算机系统》 CSCD 北大核心 2024年第1期207-215,共9页
针对遥感图像中建筑物区域尺度跨度大且区域边界模糊导致分割精度低的问题,本文提出了一种基于交叉区域注意力的遥感建筑物分割算法.首先,设计了交叉自注意力模块和分组通道注意力模块用于建立遥感图像区域间和区域内特征的相关性表征,... 针对遥感图像中建筑物区域尺度跨度大且区域边界模糊导致分割精度低的问题,本文提出了一种基于交叉区域注意力的遥感建筑物分割算法.首先,设计了交叉自注意力模块和分组通道注意力模块用于建立遥感图像区域间和区域内特征的相关性表征,进而引导模型关注待分割目标的区域级细节特征与通道组选择能力;最后,针对分割结果缺乏空间相关性约束问题,提出一种区域一致性监督的损失函数,约束局部区域内像素标签分配的一致性.所提算法在WHU数据集上IoU、Precision、Recall、F1-score分别可达到91.2%、95.28%、95.4%和95.3%;在Massachusetts数据集上IoU、Precision、Recall、F1-score分别可达到74.6%、83.7%、86.9%和85.3%,各项指标均优于主流遥感图像建筑物分割算法. 展开更多
关键词 遥感图像 建筑物分割 交叉区域注意力 通道注意力
下载PDF
基于改进SegNet的遥感图像建筑物分割方法
16
作者 朱冰 李紫薇 李奇 《吉林大学学报(工学版)》 EI CAS CSCD 北大核心 2023年第1期248-254,共7页
针对高分辨率遥感图像建筑物分割精度低以及边缘模糊问题,在SegNet网络的基础上提出一种改进的全卷积神经网络。首先,选择在深度学习任务中表现良好的GELU作为激活函数,避免神经元失活;其次,在编码网络中使用改进的残差瓶颈结构提取更... 针对高分辨率遥感图像建筑物分割精度低以及边缘模糊问题,在SegNet网络的基础上提出一种改进的全卷积神经网络。首先,选择在深度学习任务中表现良好的GELU作为激活函数,避免神经元失活;其次,在编码网络中使用改进的残差瓶颈结构提取更多的建筑物特征;然后,利用跳跃连接融合图像的低级与高级语义特征,辅助图像重构;最后,在解码网络末端连接改进的边缘修正模块进一步修正建筑物边缘细节,提升建筑物的边缘完整度。在Massachusetts Buildings Dataset数据集上进行实验,其精确率、召回率和F1值分别达到93.5%、79.3%和81.9%,综合评价指标F1值相比于基础网络提升约5%。 展开更多
关键词 计算机应用技术 遥感图像 建筑物分割 SegNet 全卷积神经网络
原文传递
深度神经网络条件随机场高分辨率遥感图像建筑物分割 被引量:16
17
作者 王宇 杨艺 +3 位作者 王宝山 王田 卜旭辉 王传云 《遥感学报》 EI CSCD 北大核心 2019年第6期1194-1208,共15页
高分辨率遥感图像建筑物分割的实质是构建一个输入图像到分割结果之间的高维强非线性映射模型。然而,建筑物可能遍布整幅遥感图像,则在语义分割过程中,当前像素点可能与非邻域的像素点存在直接关系。为了更加精确地逼近建筑物分割的真... 高分辨率遥感图像建筑物分割的实质是构建一个输入图像到分割结果之间的高维强非线性映射模型。然而,建筑物可能遍布整幅遥感图像,则在语义分割过程中,当前像素点可能与非邻域的像素点存在直接关系。为了更加精确地逼近建筑物分割的真实映射模型,克服道路、建筑物错层和阴影的影响,提高分割精度,本文以深度残差神经网络为基础,构建Encoder-Decoder的深度学习架构,自动提取建筑物的特征,学习建立高维强非线性分割模型;同时,通过条件随机场的成对势函数调节当前像素点与其他像素点之间的关联关系,从而构成全连接条件随机场对Encoder-Decoder的分割结果进行调节,提升分割精度。在全连接条件随机场的计算过程中,采用循环神经网络的运行机制来完成均值场的计算,这将条件随机场与深度神经网络有机融合,实现了Encoder-Decoder和全连接条件随机场参数的同步训练。实验结果表明,本文采用的深度神经网络条件随机场方法能有效克服道路、建筑物错层和阴影的影响,提升高分辨率遥感图像中建筑物的分割精度;同时,在一定范围内对多分辨率遥感图像具有较好的泛化能力。 展开更多
关键词 高分辨率遥感图像 深度神经网络 条件随机场 建筑物分割
原文传递
深度残差神经网络高分辨率遥感图像建筑物分割 被引量:11
18
作者 王宇 杨艺 +3 位作者 王宝山 王田 卜旭辉 王传云 《遥感技术与应用》 CSCD 北大核心 2019年第4期736-747,共12页
针对高分辨率遥感图像建筑物分割问题,提出一种Encoder-Decoder的深度学习框架,建立输入图像到分割结果之间的端对端的分割模型。其中Encoder以残差网络为基础,自动提取建筑物的特征;Decoder采用反卷积实现对特征图的上采样,从而完成对... 针对高分辨率遥感图像建筑物分割问题,提出一种Encoder-Decoder的深度学习框架,建立输入图像到分割结果之间的端对端的分割模型。其中Encoder以残差网络为基础,自动提取建筑物的特征;Decoder采用反卷积实现对特征图的上采样,从而完成对建筑物的分割;同时引入批量规范化处理,降低了神经网络权重训练过程中的梯度竞争,从而减小了神经网络的训练难度。实验表明:提出的建筑物分割算法能有效提取建筑物的块状特征和边缘信息,降低复杂道路等干扰的影响,提升建筑物的分割精准度,算法对邻近复杂道路的建筑物、规律性建筑物、单体复杂建筑物等3种典型建筑物的分割精度分别为:0.837、0.892和0.630;F值分别为:0.851、0.879和0.730。同时,多分辨率条件下的分割实验结果表明,该算法对于一定范围内的多分辨率遥感图像具有较好的泛化能力。 展开更多
关键词 高分辨率遥感图像 建筑物分割 深度学习 残差神经网络 批量规范化
原文传递
水平集分层分割遥感图像中的建筑物 被引量:5
19
作者 郭靖 江洁 曹世翔 《红外与激光工程》 EI CSCD 北大核心 2014年第4期1332-1337,共6页
针对高分辨率遥感图像,结合建筑物特征,提出水平集分层模型分割图像中的建筑物。首先,学习植被样本得到其在HSV空间中色调与饱和度的联合分布函数,利用阴影灰度方差通常小于非阴影区域的特点,将植被和阴影剔除以简化背景利于后续分割。... 针对高分辨率遥感图像,结合建筑物特征,提出水平集分层模型分割图像中的建筑物。首先,学习植被样本得到其在HSV空间中色调与饱和度的联合分布函数,利用阴影灰度方差通常小于非阴影区域的特点,将植被和阴影剔除以简化背景利于后续分割。然后,根据灰度级高低将一幅图像看作多层图像层,把建筑物的屋顶灰度特征和边缘特征融合到传统Chan-Vese(C-V)水平集算法中,分割出每层中灰度级相似的建筑物候选区域,从而将不同灰度级建筑物候选区域分层分割出来再整合。最后利用建筑物面积、建筑物与阴影位置关系等先验知识排除误分割,得到最终结果。实验表明:该方法能更好地分割出形状各异、各个灰度级的建筑物,甚至是灰度不均匀的建筑物,分割漏检率较传统C-V法降低了25%,虚检率降低了22%。有效减少了漏分割和过分割。 展开更多
关键词 水平集 C-V算法 分层 建筑物分割
下载PDF
基于VGG16预编码的遥感图像建筑物语义分割 被引量:27
20
作者 徐昭洪 刘宇 +1 位作者 全吉成 吴晨 《科学技术与工程》 北大核心 2019年第17期250-255,共6页
深度卷积神经网络在遥感图像语义分割研究上开创了新的领域。利用改进的U-net模型对建筑物区域进行像素级提取,可获取其轮廓和尺寸信息。利用强可迁移性的VGG16网络作为U-net模型的编码器,并利用基于空洞卷积的级联并行模块提取多尺度... 深度卷积神经网络在遥感图像语义分割研究上开创了新的领域。利用改进的U-net模型对建筑物区域进行像素级提取,可获取其轮廓和尺寸信息。利用强可迁移性的VGG16网络作为U-net模型的编码器,并利用基于空洞卷积的级联并行模块提取多尺度的高层语义信息,同时使用转置卷积实现上采样,逐步还原分割细节。实验采用了加权组合的Jaccard损失和二元交叉熵损失作为总损失函数。实验结果表明了改进的U-net模型对遥感图像中建筑物的分割提取具有更高的精度,均像素精度(MPA)、均交并比(MIoU)和F1分数分别为92. 16%、78. 55%和84. 81%。改进模型的F1分数比Deep Labv3+模型高4. 8%,比标准U-net模型高8. 3%。 展开更多
关键词 遥感图像 语义分割 U-net 建筑物分割 Jaccard指数
下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部