改进SegNet网络对遥感图像的语义分割

为了更好地对包含丰富地表信息的高分辨率遥感图像进行语义分割,基于SegNet网络,结合金字塔池化(PPM),提出了P-SegNet网络,该网络能更好地对遥感图像的全局特征进行提取,分割效果优于改进前的SegNet网络.在训练集数量为120000张、迭代次数为20次的情况下,P-SegNet网络训练集Accuracy高于SegNet网络0.54%,达到96.36%,同时Loss相比Seg⁃Net网络减少了0.02,达到0.08.

基于卷积神经网络的真实图像去噪算法

为解决原有去噪算法对真实图像去噪时发生过于平滑产生伪影导致图像细节丢失的问题,提出一种基于卷积神经网络的真实图像去噪算法,由特征提取模块和干净图像生成器组成。使用特征提取模块对输入的噪声图像进行编码和特征提取;对图像特征的表达能力进行增强处理,将提取的图像特征输入到干净图像生成器进行学习图像特征后解码恢复干净图像,减少恢复干净图像时的伪影,更好地保留图像细节,从噪声图像中分离出高质量干净图像。在SIDD和DND真实噪声数据集的测试结果表明,峰值信噪比分别为35.12,36.89 dB,结构相似度分别为0.951,0.945,说明该算法能够有效消除真实图像中的噪声,去噪结果在客观评价和主观评价上均有先进性。