基于深度语义分割的多源遥感图像海面溢油监测

发布时间：2024-05-12 15:57

　　针对遥感图像海面溢油区域通常受到斑噪声以及强度不均等因素的影响,从而导致溢油区域监测效果较差的问题,本文引入了深度语义分割的方法,将深度卷积神经网络与全连接条件随机场相结合,形成端对端连接。以Resnet结构为基础,首先通过深度卷积神经网络对多源遥感图像粗分割并作为输入,然后经过改进的全连接条件随机场,利用高斯成对势和平均场近似定理,建立条件随机场形成递归神经网络作为输出。通过多源遥感图像对海面溢油区域进行监测,并利用可见光图像估计溢油区域面积。实验在所建立的多源遥感图像数据集上与其它先进模型进行对比,结果表明本文方法提高了溢油区域的分割精度以及精细细节程度,平均交并比为82.1%,监测效果具有明显地改善。

【文章页数】：12 页

【部分图文】：

图1空洞卷积原理

y[i]=∑kx[i+r?k]w[k].?????????(1)首先Deeplab改进了Resnet架构,将Resnet的全连接层转化为卷积层,最后两个池化层去掉了下采样,且后续卷积层的卷积核改为了空洞卷积,并对Resnet的权重进行微调,这样网络最后输出的特征图分辨....

图2ASPP模块原理

首先Deeplab改进了Resnet架构,将Resnet的全连接层转化为卷积层,最后两个池化层去掉了下采样,且后续卷积层的卷积核改为了空洞卷积,并对Resnet的权重进行微调,这样网络最后输出的特征图分辨率提高,感受野变大。然后进行多尺度提取,ASPP模块如图2所示,在给定的输入....

图3平均场近似推理算法迭代过程

其中:ai为距离权重,l为类别,Qj(l)为每个点的类别概率。该算法的迭代过程可表示为多个卷积神经网络层,如图3所示,fθ表示迭代带来的变化。多层平均场迭代可以重复上述过程实现,每一次迭代都来源于之前迭代的结果,这就相当于将迭代平均场视为一个循环神经网络,网络方程如式(6)～式(....

图4DSS流程图

通过上述改进,模型整体流程图如图4所示,首先输入图片经过Resnet网络,将Con3_x与Con4_x的中间层改为空洞卷积,然后经过多尺度ASPP模块,通过不同的空洞卷积速率Rate=(6,12,18,24)得到不同大小的特征图。其次经过多尺度ASPP模块,加入BN层后,它可以加....

本文编号：3971552