遥感图像中细弱目标分割方法

为了解决现有图像分割方法在遥感图像细弱目标分割任务中所存在的分割精度较低,受背景噪声干扰明显等问题,本文提出了一种基于Dense-Unet网络和集成学习的改进语义分割方法,实现了高分辨率遥感图像中的高压电线一类细弱目标的精准分割。融合DenseNet思想和U-net网络结构,提出了一种Dense-Unet网络模型,从而提取图像中更加精细的特征;为了增强模型对小类别目标的学习能力,使用了代价敏感权重向量方法,改进了训练时的目标函数,提升了模型训练时的收敛速度和在测试数据上的泛化能力;采用了集成学习Bagging的方法对多个网络模型进行集成,采用决策级融合方法集成多个模型对预测结果进行投票表决,使得细弱目标分割精度得到进一步提升。在最终的测试集上进行网络模型评估表明:本文所提出算法的精度达到94%,在细弱目标分割效果上优于目前常用的深度学习语义分割网络,且拥有更好的泛化能力和优异的视觉效果。