改进SegNet+CRF高分辨率遥感影像建筑物提取方法

将传统的语义分割SegNet网络用于高分辨率遥感影像的建筑物提取时,分割的建筑物存在边界模糊、精度较低、错检漏检等问题;为了解决上述问题,提出一种改进SegNet网络+CRF语义分割方法;编码阶段的最低分辨率层引入空洞金字塔池化模型(ASPP,atrous spatial pyramid pooling),通过并行的空洞卷积操作扩大特征提取的感受野;解码阶段构建特征金字塔(FPN,feature pyramid networks)实现特征多尺度融合,弥补上采样过程中丢失的特征信息;最后,预测图像送入全连接条件随机场模型(CRF,fully connected/dense CRF)进行后处理,优化提取的建筑物边缘;实验表明,相较于原SegNet网络,改进方法的建筑物提取像素精度、召回率、平均交并比分别提高了0.48%、1.29%、2.36%。

传统村落知识图谱构建方法研究

传统村落是指形成较早,具有较高的社会经济价值的古村落,具有不可再生性,应给予保护.首先提出一套构建传统村落知识图谱的方法,完成了传统村落相关概念、概念间关系以及属性的领域本体库构建.在上述研究的基础上,对辽宁省国家级传统村落的数据进行收集,并利用Neo4j图数据库存储传统村落知识图谱数据,完成传统村落知识图谱的构建工作,并在此基础上开发了图谱可视化展示平台,用于自主查询和动态展示实体和实体间关系等信息.通过传统村落的知识图谱的构建,为传统村落数字化传承与保护提供了一套较为完整的方案.

一种高光谱遥感影像的三维卷积神经网络语义分割方法

高光谱图像具有丰富的光谱信息和空间信息,综合运用空间特征和光谱特征是提高高光谱图像分类精度的关键.针对传统二维的卷积神经网络无法充分利用高光谱丰富光谱信息的问题,设计一种基于三维卷积神经网络(Three-dimensional convolutional neural network, 3D-CNN)的深度卷积编解码网络,将三维卷积神经网络引入编码结构,同时提取光谱和空间特征,并且在池化层引入池化索引策略;解码部分利用最大池化索引上采样操作.两个高光谱遥感影像公开数据集的分类实验结果表明,实现了高光谱的空间和光谱特征的融合提取,较基于2D-CNN的分类方法能够获得更高的分类精度.