發(fā)布時間：2021-07-13 06:03

　　針對現(xiàn)階段高分辨率遙感影像提取城市不透水面的方法普遍精度不高的現(xiàn)狀,以國產(chǎn)高分二號（GF-2）遙感影像為數(shù)據(jù)源,基于局部注意力機制的密集連接全卷積神經(jīng)網(wǎng)絡(luò)模型,以天津市遙感影像為例,構(gòu)建不透水面樣本庫及訓(xùn)練不透水面提取模型,用測試影像進行測試并采用多種精度評價方法與傳統(tǒng)的不透水面提取算法相對比。結(jié)果表明,本文方法在遙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）、綜合評價指標(biāo)F1和Kappa系數(shù)分別為0.883 2、0.736 4、0.848 2和0.753 3,均高于決策樹分類算法、支持向量機法、隨機森林算法。此外,本文方法具有較好的泛化性,在遙感影像不透水面提取上具有較強的應(yīng)用價值。 

【文章來源】：遙感信息. 2020,35(04)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

局部注意力密集連接的全卷積神經(jīng)網(wǎng)絡(luò)

本文模型樣本數(shù)據(jù)為天津地區(qū)2019年4月15日高分二號遙感影像，其不透水面二值圖像由目視解譯獲得并與原始影像位置嚴(yán)格配準(zhǔn)。之后將原始影像與其對應(yīng)的不透水面二值圖像按照256×256的尺寸隨機裁剪生成影像子圖（子圖間存在重疊區(qū)域）。生成子圖共計15 000幅，其中將12 000幅影像子圖作為訓(xùn)練集，3 000幅影像子圖作為測試集。樣本示例如圖2所示。2.2 精度評價指標(biāo)

本文方法與決策樹、支持向量機和隨機森林算法對高分辨率遙感影像不透水面的提取結(jié)果如圖3、圖4、圖5所示。其中，圖3為測試圖像整體對比圖，圖4為圖3中A區(qū)域的細節(jié)對比圖，圖5為圖3中B區(qū)域細節(jié)對比圖。圖4 區(qū)域A不透水面提取結(jié)果對比圖

【參考文獻】：
期刊論文
[1]基于全卷積神經(jīng)網(wǎng)絡(luò)的非對稱并行語義分割模型[J]. 李寶奇,賀昱曜,何靈蛟,強偉.  電子學(xué)報. 2019(05)
[2]多尺度全卷積神經(jīng)網(wǎng)絡(luò)建筑物提取[J]. 崔衛(wèi)紅,熊寶玉,張麗瑤.  測繪學(xué)報. 2019(05)
[3]基于DenseNet的復(fù)雜交通場景語義分割方法[J]. 蔣斌,涂文軒,楊超,劉虹雨,趙子龍.  模式識別與人工智能. 2019(05)
[4]結(jié)合注意力機制的深度學(xué)習(xí)圖像目標(biāo)檢測[J]. 孫萍,胡旭東,張永軍.  計算機工程與應(yīng)用. 2019(17)
[5]基于深度學(xué)習(xí)的高分辨率遙感影像建筑物提取方法[J]. 范榮雙,陳洋,徐啟恒,王競雪.  測繪學(xué)報. 2019(01)
[6]基于多注意力CNN的問題相似度計算模型[J]. 馮興杰,張樂,曾云澤.  計算機工程. 2019(09)
[7]無人機遙感技術(shù)在北京首云鐵礦儲量動態(tài)監(jiān)測中的應(yīng)用[J]. 向杰,陳建平,李詩,賴自力,黃浩中,劉靜,謝帥.  國土資源遙感. 2018(03)
[8]LSMA結(jié)合NDBI提取廣州市部分城區(qū)不透水面的方法[J]. 趙怡,許劍輝,鐘凱文,王云鵬,鄭秋霞.  地理空間信息. 2018(03)
[9]基于Landsat年際序列影像的武漢市不透水面遙感監(jiān)測[J]. 邵振峰,潘銀,蔡燕寧,舒陽,王浩.  地理空間信息. 2018(01)
[10]結(jié)合均值漂移分割與全卷積神經(jīng)網(wǎng)絡(luò)的高分辨遙感影像分類[J]. 方旭,王光輝,楊化超,劉慧杰,閆立波.  激光與光電子學(xué)進展. 2018(02)

碩士論文
[1]高分辨率遙感影像不透水面提取算法研究[D]. 簡得輝.廣西師范大學(xué) 2018
[2]面向?qū)ο蟮牡V區(qū)不透水面信息提取方法研究[D]. 葛曉天.河南理工大學(xué) 2012



本文編號：3281500