基于FD-RCF的高分辨率遥感影像耕地边缘检测

发布时间：2021-04-10 08:55

　　针对建立和更新田间图形数据库时,以高分辨率遥感影像为底图人工勾绘地块耗时费力这一问题,探索从边缘检测的角度实现对地块边缘的自动提取。在构建耕地地块边缘遥感影像数据集工作中,尝试深度学习边缘检测模型holistically-nested edge detection（HED）和richer convolutional features （RCF）的基础上,进一步改变模型特征融合方式,并采用空洞卷积结构,提出构建应用于遥感影像的边缘检测模型full dilated-RCF（FD-RCF）,提取耕地地块边缘。实验表明,相关方法的精度评定F1值均能达到0. 8以上。构建的FD-RCF模型表现最佳,其检测结果在ODS和OIS精度评定中F1值分别达到0. 848 1和0. 850 2,平均精度0. 795 7。比较而言,FD-RCF方法检测结果画面更加清晰,能够显著提高田间地形数据的更新效率。 

【文章来源】：中国科学院大学学报. 2020,37(04)北大核心CSCD

【文章页数】：7 页

【部分图文】：

HED结构图

FD-RCF结构

3)训练集数据的丰富程度对模型的训练效果具有很大影响。为保证训练效果，进一步采用中心旋转、镜像翻转等方式，对训练数据进行数据增强处理，最终扩充获得623对影像作为训练集，用于模型训练。2.2 实验设置

【参考文献】：
期刊论文
[1]高分辨率遥感图像耕地地块提取方法研究[J]. 胡潭高,朱文泉,阳小琼,潘耀忠,张锦水.  光谱学与光谱分析. 2009(10)
[2]高分辨率影像解译理论与应用方法中的一些研究问题[J]. 宫鹏,黎夏,徐冰.  遥感学报. 2006(01)
[3]面向对象的地物分类法分析与评价[J]. 杜凤兰,田庆久,夏学齐,惠凤鸣.  遥感技术与应用. 2004(01)
[4]论21世纪遥感与GIS的发展[J]. 李德仁.  武汉大学学报(信息科学版). 2003(02)



本文编号：3129346