基于模糊多尺度特征的遥感图像分割网络

受成像距离、光照、地物特征、环境等因素影响,遥感图像中同一类别物体可能存在一定差异,而不同类别的物体反而显示相似的视觉特征,这导致在分割时存在着不确定性,即类内异质与类间模糊。为了解决此问题,提出一种用于遥感图像分割的模糊多尺度卷积神经网络(FMCNet)。该网络通过提取图像中不同尺度、大小和宽高比的感受野,充分表征遥感物体的细节信息,并利用模糊逻辑有效地表达像素与其相邻像素之间的关系,进而解决遥感图像分割中的不确定性问题。实验结果表明,FMCNet在ISPR Vaihingen和Potsdam数据集上的整体准确率(OA)分别为85.3%和86.3%,优于现有流行的语义分割方法。