遙感影像分割作為影像信息提取過(guò)程中的關(guān)鍵步驟,近年來(lái)基于深度學(xué)習(xí)的影像語(yǔ)義分割模型已經(jīng)成為影像分割的主要研究導(dǎo)向。文中提出一種基于深度學(xué)習(xí)的多尺度特征融合語(yǔ)義分割網(wǎng)絡(luò),用來(lái)分割遙感影像中建筑物和損毀建筑物,該網(wǎng)絡(luò)充分利用不同尺度特征圖的信息,獲得更精確的分割邊緣。同時(shí)探究了不同樣本數(shù)量和不同網(wǎng)絡(luò)深度對(duì)于訓(xùn)練得到模型分割性能的影響,對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)應(yīng)用于遙感影像參數(shù)選擇提供了一定經(jīng)驗(yàn)指導(dǎo)。 

【文章來(lái)源】：測(cè)繪工程. 2020,29(04)CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

解碼器結(jié)構(gòu)

IoU定義

在深度學(xué)習(xí)中,通常訓(xùn)練數(shù)據(jù)集的數(shù)量越大,數(shù)據(jù)類型越完備,最終訓(xùn)練出來(lái)的模型會(huì)具有更好的性能,高分遙感影像中建筑物損毀樣本的獲取比較困難,本文在真實(shí)高分遙感影像建筑物類地物樣本的基礎(chǔ)上進(jìn)行了損毀建筑樣本的模擬,原始遙感影像見(jiàn)圖3,分別使用2 000、5 000、10 000、30 000、60 000個(gè)樣本作為訓(xùn)練數(shù)據(jù)集,最終的測(cè)試結(jié)果如圖4—圖9所示。圖4 真值標(biāo)記圖像

【參考文獻(xiàn)】：
期刊論文
[1]基于DCNN特征的建筑物震害損毀區(qū)域檢測(cè)[J]. 周陽(yáng),張?jiān)粕?陳斯飏,鄒崢嶸,朱耀晨,趙芮雪.  國(guó)土資源遙感. 2019(02)
[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(cè)繪學(xué)報(bào). 2019(05)
[3]利用高分辨率光學(xué)遙感圖像檢測(cè)震害損毀建筑物[J]. 葉昕,秦其明,王俊,鄭小坡,王建華.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2019(01)
[4]融合特征和決策的卷積-反卷積圖像分割模型[J]. 馮晨霄,汪西莉.  激光與光電子學(xué)進(jìn)展. 2019(01)
[5]融合多特征的高分辨率遙感影像震害損毀建筑物檢測(cè)[J]. 劉瑩,李強(qiáng).  測(cè)繪與空間地理信息. 2018(06)
[6]利用詞袋模型檢測(cè)建筑物頂面損毀區(qū)域[J]. 涂繼輝,眭海剛,馮文卿,孫開(kāi)敏.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(05)
[7]利用灰度共生矩陣紋理特征識(shí)別空心村損毀建筑物的方法[J]. 謝嘉麗,李永樹(shù),李何超,吳璽.  測(cè)繪通報(bào). 2017(12)
[8]多尺度多特征融合的高分辨率遙感影像分類[J]. 陳蘇婷,王慧.  量子電子學(xué)報(bào). 2016(04)



本文編號(hào)：3469964