發(fā)布時間：2021-03-20 16:42

　　利用深度卷積神經(jīng)網(wǎng)絡(luò)智能化地提取遙感圖像中的建筑物對于數(shù)字城市構(gòu)建、災(zāi)害偵查、土地管理等具有重要意義。多時相遙感圖像之間的色彩差異會導(dǎo)致建筑物語義分割模型泛化能力下降。針對此,本文提出了注意力引導(dǎo)的色彩一致生成對抗網(wǎng)絡(luò)（attention-guided color consistency adversarial network,ACGAN）。該算法以參考色彩風(fēng)格圖像及相同區(qū)域、不同時相的待糾正圖像作為訓(xùn)練集,采用加入了U型注意力機制的循環(huán)一致生成對抗網(wǎng)絡(luò)訓(xùn)練得到色彩一致模型。在預(yù)測階段,該模型將待糾正圖像的色調(diào)轉(zhuǎn)換為參考色彩風(fēng)格圖像的色調(diào),這一階段基于深度學(xué)習(xí)模型的推理能力,而不再需要相應(yīng)的參考色彩風(fēng)格圖像。為了驗證算法的有效性,首先,將本文算法與傳統(tǒng)的圖像處理算法及其他循環(huán)一致生成對抗網(wǎng)絡(luò)做了對比試驗。結(jié)果表明,ACGAN色彩一致后的圖像與參考色彩風(fēng)格圖像的色調(diào)更加相似。其次,將以上不同的色彩一致性算法處理后的結(jié)果圖像進行建筑物語義分割試驗,證明本文方法更加有利于多時相遙感圖像語義分割模型泛化能力的提升。 

【文章來源】：測繪學(xué)報. 2020,49(11)北大核心EICSCD

【文章頁數(shù)】：12 頁

【部分圖文】：

CycleGAN網(wǎng)絡(luò)的基本結(jié)構(gòu)

與CycleGAN類似,ACGAN仍是具有成對的生成器與鑒別器的環(huán)形結(jié)構(gòu)。利用ACGAN網(wǎng)絡(luò)將目標(biāo)域B的數(shù)據(jù)分布x轉(zhuǎn)換為源域A數(shù)據(jù)分布y的過程稱為x→y方向的轉(zhuǎn)換;將源域A的數(shù)據(jù)分布y轉(zhuǎn)換為目標(biāo)域B數(shù)據(jù)分布x的過程稱為y→x方向的轉(zhuǎn)換。對于x→y方向的轉(zhuǎn)換,如圖2所示。第1階段,通過源域生成器Gy將目標(biāo)域分布x轉(zhuǎn)換為與源域基本一致的數(shù)據(jù)分布Gy(x);同時,將x輸入源域的注意力網(wǎng)絡(luò)ATy,得到注意力圖xat。Gy(x)與xat相乘的結(jié)果為目標(biāo)域圖像轉(zhuǎn)換后的前景X1。x與反注意力圖(1-xat)相乘的結(jié)果為目標(biāo)域圖像未轉(zhuǎn)換的背景X2。將X1與X2相加,即得到如下目標(biāo)域到源域的轉(zhuǎn)換結(jié)果

衛(wèi)星圖像來自GF-2衛(wèi)星拍攝的武漢市(E114.30°,N30.6°)2015年和2016年變化檢測遙感圖像,覆蓋了196.0 km2的區(qū)域,其中包含建筑物密集的城區(qū)、河流、農(nóng)田及工業(yè)區(qū),地物類型豐富,下文稱其為數(shù)據(jù)集2。兩個時相的圖像地面分辨率均為1 m,大小均為13 999×14 000像素,并且均有RGB 3個波段。本次試驗將數(shù)據(jù)集2無重疊裁剪為512×512像素的圖片,如圖5所示,2015年為源域的參考色彩風(fēng)格圖像,2016年為目標(biāo)域的待糾正圖像,即2015年圖像的色彩遷移到2016年的圖像。圖4 數(shù)據(jù)集1中2012年和2016年航空圖像

【參考文獻】：
期刊論文
[1]融合可變形卷積與條件隨機場的遙感影像語義分割方法[J]. 左宗成,張文,張東映.  測繪學(xué)報. 2019(06)
[2]遙感影像建筑物提取的卷積神經(jīng)元網(wǎng)絡(luò)與開源數(shù)據(jù)集方法[J]. 季順平,魏世清.  測繪學(xué)報. 2019(04)
[3]光學(xué)遙感影像的自動勻光處理及應(yīng)用[J]. 李德仁,王密,潘俊.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2006(09)



本文編號：3091322