基于深度学习的高分辨率遥感图像建筑物识别

发布时间：2021-03-17 13:54

　　为解决当前深度学习方法在高分辨率遥感图像中存在识别结果过度分割,以及小物体识别差的问题,提出一种基于SegNet架构改进的网络模型AA-SegNet,增加了增强的空间金字塔池化模块和空间注意力融合模块。该网络可以加强特征传播并能够有效传递更高级别的特征信息以抑制低级特征的噪声,并且可以增强小目标特征学习。基于高分二号遥感影像制作数据集并进行实验,AA-SegNet网络总体识别准确率为96.61%,在识别率、F1分数以及训练时间等方面也都优于SegNet、U-Net、DeepLab-V3网络。 

【文章来源】：计算机工程与应用. 2020,56(08)北大核心

【文章页数】：9 页

【部分图文】：

高分辨率影像语义分割技术流程图

内核大小为3×3且扩张率不同的卷积

SegNet网络模型体系结构

【参考文献】：
期刊论文
[1]归一化植被指数研究[J]. 张姗.  绿色科技. 2019(20)
[2]融合判别区域特征与标签传播的显著性目标检测[J]. 王明,崔冬,李刚,顾广华.  燕山大学学报. 2019(05)
[3]多尺度信息融合的遥感图像语义分割模型[J]. 张静,靳淇兆,王洪振,达铖,向世明,潘春洪.  计算机辅助设计与图形学学报. 2019(09)
[4]结合L0平滑和超像素的高空间遥感影像非监督分类[J]. 杨泽楠,黄亮,王枭轩,方留杨,宋晶.  全球定位系统. 2019(04)
[5]遥感数据融合研究进展与文献定量分析（1992—2018）[J]. 张立福,彭明媛,孙雪剑,岑奕,童庆禧.  遥感学报. 2019(04)
[6]图像分割技术在遥感影像地物信息自动提取中的应用分析[J]. 程香丽.  四川水泥. 2019(07)
[7]基于改进全卷积神经网络的玉米叶片病斑分割[J]. 王振,师韵,李玉彬.  计算机工程与应用. 2019(22)
[8]改进的卷积神经网络在医学图像分割上的应用[J]. 刘辰,肖志勇,杜年茂.  计算机科学与探索. 2019(09)
[9]基于改进的全卷积神经网络的路面裂缝分割技术[J]. 翁飘,陆彦辉,齐宪标,杨守义.  计算机工程与应用. 2019(16)
[10]基于模糊最大似然估计算法的遥感影像分割[J]. 徐艳.  测绘与空间地理信息. 2019(01)



本文编号：3087245