基于改进全卷积神经网络的高分遥感影像不透水面提取制图

发布时间：2021-07-13 06:03

　　针对现阶段高分辨率遥感影像提取城市不透水面的方法普遍精度不高的现状,以国产高分二号（GF-2）遥感影像为数据源,基于局部注意力机制的密集连接全卷积神经网络模型,以天津市遥感影像为例,构建不透水面样本库及训练不透水面提取模型,用测试影像进行测试并采用多种精度评价方法与传统的不透水面提取算法相对比。结果表明,本文方法在遥感不透水面提取方面具有更好的完整性,其像元精度（PA）、均交并比（MIoU）、综合评价指标F1和Kappa系数分别为0.883 2、0.736 4、0.848 2和0.753 3,均高于决策树分类算法、支持向量机法、随机森林算法。此外,本文方法具有较好的泛化性,在遥感影像不透水面提取上具有较强的应用价值。 

【文章来源】：遥感信息. 2020,35(04)北大核心CSCD

【文章页数】：9 页

【部分图文】：

局部注意力密集连接的全卷积神经网络

本文模型样本数据为天津地区2019年4月15日高分二号遥感影像，其不透水面二值图像由目视解译获得并与原始影像位置严格配准。之后将原始影像与其对应的不透水面二值图像按照256×256的尺寸随机裁剪生成影像子图（子图间存在重叠区域）。生成子图共计15 000幅，其中将12 000幅影像子图作为训练集，3 000幅影像子图作为测试集。样本示例如图2所示。2.2 精度评价指标

本文方法与决策树、支持向量机和随机森林算法对高分辨率遥感影像不透水面的提取结果如图3、图4、图5所示。其中，图3为测试图像整体对比图，图4为图3中A区域的细节对比图，图5为图3中B区域细节对比图。图4 区域A不透水面提取结果对比图

【参考文献】：
期刊论文
[1]基于全卷积神经网络的非对称并行语义分割模型[J]. 李宝奇,贺昱曜,何灵蛟,强伟.  电子学报. 2019(05)
[2]多尺度全卷积神经网络建筑物提取[J]. 崔卫红,熊宝玉,张丽瑶.  测绘学报. 2019(05)
[3]基于DenseNet的复杂交通场景语义分割方法[J]. 蒋斌,涂文轩,杨超,刘虹雨,赵子龙.  模式识别与人工智能. 2019(05)
[4]结合注意力机制的深度学习图像目标检测[J]. 孙萍,胡旭东,张永军.  计算机工程与应用. 2019(17)
[5]基于深度学习的高分辨率遥感影像建筑物提取方法[J]. 范荣双,陈洋,徐启恒,王竞雪.  测绘学报. 2019(01)
[6]基于多注意力CNN的问题相似度计算模型[J]. 冯兴杰,张乐,曾云泽.  计算机工程. 2019(09)
[7]无人机遥感技术在北京首云铁矿储量动态监测中的应用[J]. 向杰,陈建平,李诗,赖自力,黄浩中,刘静,谢帅.  国土资源遥感. 2018(03)
[8]LSMA结合NDBI提取广州市部分城区不透水面的方法[J]. 赵怡,许剑辉,钟凯文,王云鹏,郑秋霞.  地理空间信息. 2018(03)
[9]基于Landsat年际序列影像的武汉市不透水面遥感监测[J]. 邵振峰,潘银,蔡燕宁,舒阳,王浩.  地理空间信息. 2018(01)
[10]结合均值漂移分割与全卷积神经网络的高分辨遥感影像分类[J]. 方旭,王光辉,杨化超,刘慧杰,闫立波.  激光与光电子学进展. 2018(02)

硕士论文
[1]高分辨率遥感影像不透水面提取算法研究[D]. 简得辉.广西师范大学 2018
[2]面向对象的矿区不透水面信息提取方法研究[D]. 葛晓天.河南理工大学 2012



本文编号：3281500