目的海島作為一項特殊資源,在海洋開發(fā)和利用方面發(fā)揮著重要的作用;遙感作為一種非接觸式遠距離探測手段,為海島研究提供了重要的數(shù)據(jù)來源;而深度學習因其對圖像特征的提取能力和對復(fù)雜問題的擬合能力廣泛應(yīng)用于各個領(lǐng)域。本文結(jié)合深度學習的計算優(yōu)勢,兼顧遙感影像的波段數(shù)量多和覆蓋范圍大的特征,以海島岸線的快速分割為目的,提出了一種改進的海島岸線遙感影像分割模型。方法該分割模型包括3方面:1)針對遙感影像的多波段特征,提出基于最佳指數(shù)的遙感影像波段組合選擇,將選擇后的波段組合作為海島岸線分割模型的輸入數(shù)據(jù);2)針對遙感影像大范圍覆蓋的特征,提出基于Deeplab神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的海島岸線粗分割,將粗分割結(jié)果作為海島岸線優(yōu)化的初始邊界;3)利用全連接條件隨機場優(yōu)化海島岸線,實現(xiàn)海島岸線的細分割提取。結(jié)果以大小不等的4個海島的岸線提取為例,分別采用改進的海島岸線分割模型、全卷積神經(jīng)網(wǎng)絡(luò)模型（fully convolutional networks,FCN）、Deeplab模型和目視解譯法從遙感影像數(shù)據(jù)中分割海島岸線。同時,引入平均交并比（mean intersection over union,MIoU）和相... 

【文章來源】：中國圖象圖形學報. 2020,25(04)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

改進的海島岸線分割模型架構(gòu)圖

殘差學習可作為神經(jīng)網(wǎng)絡(luò)的一部分或多部分，假設(shè)該神經(jīng)網(wǎng)絡(luò)的輸入為x，擬合后輸出為H(x);定義另外一個殘差映射F(x)為H(x)-x，則原始的函數(shù)映射H(x)可表示為F(x)+x(He等，2016)，如圖2所示。He等人(2016)通過實驗證明，優(yōu)化殘差映射F(x)易于優(yōu)化原始映射H(x)。F(x)+x在前饋神經(jīng)網(wǎng)絡(luò)中可作為捷徑x與主徑F(x)的和。捷徑未引入多余參數(shù)，不影響原始網(wǎng)絡(luò)的復(fù)雜度，整體網(wǎng)絡(luò)依然可使用現(xiàn)有的深度學習反饋訓(xùn)練求解。使用ResNet-101殘差網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)，適應(yīng)了遙感影像的高維特征。同時利用殘差學習能減輕深層網(wǎng)絡(luò)訓(xùn)練的負擔，減弱因?qū)訑?shù)過多造成的梯度消失現(xiàn)象，達到提高訓(xùn)練精度的效果。

Deeplab網(wǎng)絡(luò)中加入了金字塔池化模塊(atrous spatial pyramid pooling,ASPP)，解決遙感影像的多尺度信息問題。在輸入一幅遙感影像時，使用1個1×1卷積和3個3×3的膨脹系數(shù)為6、12、18的空洞卷積并行執(zhí)行，增加不同尺度范圍內(nèi)語義信息的提取和區(qū)分，以實現(xiàn)對遙感影像中多尺度的物體進行捕獲，如圖3(a)所示。同時向ASPP中添加了平均池化層，將特征做全局平均池化，經(jīng)過卷積再融合，如圖3(b)所示。1.3 基于全連接條件隨機場的海島岸線優(yōu)化

【參考文獻】：
期刊論文
[1]融合分割先驗的多圖像目標語義分割[J]. 廖旋,繆君,儲珺,張桂梅.  中國圖象圖形學報. 2019(06)
[2]改進水平集模型的海島邊界快速分割方法研究[J]. 王振華,何婉雯,孫婧琦,曲念毅,黃冬梅.  計算機科學與探索. 2019(07)
[3]結(jié)合雙深度學習特征的高光譜遙感圖像分類[J]. 曾銳,陳鍛生.  小型微型計算機系統(tǒng). 2018(02)
[4]中國高光譜遙感的前沿進展[J]. 童慶禧,張兵,張立福.  遙感學報. 2016(05)
[5]基于均值漂移的海島(礁)岸線快速提取[J]. 方亮,付成群,方濤,洪建國.  解放軍理工大學學報(自然科學版). 2016(05)
[6]一種四叉樹和測地線活動輪廓模型相結(jié)合的海陸影像分割方法[J]. 郭海濤,孫磊,申家雙,陳小衛(wèi),張宏偉.  測繪學報. 2016(01)
[7]一種快速遙感影像海島自動提取方法[J]. 趙恩偉,溫金苗,楊鶴猛,伍小潔,張增.  遙感信息. 2015(06)
[8]基于最優(yōu)波段組合的TM影像土地覆蓋信息分類[J]. 劉德兒,于海霞,蘭小機,陳元增.  金屬礦山. 2013(10)
[9]海岸線遙感信息提取的元胞自動機方法及其應(yīng)用[J]. 馮永玖,韓震.  中國圖象圖形學報. 2012(03)
[10]ALOS影像在土地覆被分類中最佳波段選取的研究[J]. 曹敏,史照良,沈泉飛.  測繪通報. 2008(09)



本文編號：3538735