-
题名基于深度卷积网络的高分遥感图像语义分割
被引量:2
- 1
-
-
作者
蔡烁
胡航滔
王威
-
机构
长沙理工大学计算机与通信工程学院
-
出处
《信号处理》
CSCD
北大核心
2019年第12期2010-2016,共7页
-
基金
国家自然科学基金(61070040,61702052)
国防预研项目(7301506)
湖南省教育厅科研项目(17C0043,17B011,18A137)
-
文摘
随着我国高分对地观测系统的不断发展,对高分影像智能化分析与处理的应用需求愈来愈多,基于深度学习语义分割的影像分类也受到高度关注。作为近景图像语义分割的热点模型,Deeplab网络在应用时取得了良好的效果。为了解决多尺度高分辨率遥感影像语义分割问题,本文首先利用空洞卷积扩大Atrous空间金字塔池化(ASPP)结构的感受野,然后对DeepLabv3进行改进并将其用于高分2号遥感影像的分类处理。我们以郴州地区的高分遥感影像为研究对方法进行了验证,首先对原始影像进行预处理,再对预处理图像进行数据增强与扩充,最后通过对不同参数条件下的分类结果进行对比,分析该模型的适应性和精确性。在我们的数据集中,本文方法的实验分类像素精度为88.2%,MIoU达到72.5%,得到了比Deeplab更好的分类效果。
-
关键词
遥感图像分类
语义分割
深度学习卷积
神经网络
-
Keywords
remote sensing image classification
semantic segmentation
deep learning
convolutional neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-