針對傳統(tǒng)遙感圖像居民區(qū)分割存在的孔洞和邊緣不準(zhǔn)確的問題,在研究傳統(tǒng)濾波方法和全卷積網(wǎng)絡(luò)方法的基礎(chǔ)上,提出了一種新的生成式對抗網(wǎng)絡(luò)（GAN）分割方法。構(gòu)造全卷積網(wǎng)絡(luò)作為生成網(wǎng)絡(luò)（G）,用于學(xué)習(xí)遙感圖像居民區(qū)分布規(guī)律,生成居民區(qū)分割結(jié)果圖（fake）;設(shè)計一個卷積神經(jīng)網(wǎng)絡(luò)分類器,作為判別網(wǎng)絡(luò)（D）,用于區(qū)分生成網(wǎng)絡(luò)分割結(jié)果圖（fake）和人工標(biāo)注結(jié)果圖（label）。G試圖欺騙D網(wǎng)絡(luò),D盡可能區(qū)分fake圖,傳播誤差訓(xùn)練G網(wǎng)絡(luò),通過這種對抗式訓(xùn)練,使得G生成的fake圖與label圖盡可能相似,從而獲得更好的分割結(jié)果。實驗結(jié)果表明:基于GAN網(wǎng)絡(luò)方法進(jìn)行遙感圖像居民區(qū)分割與Gabor濾波方法和FCN方法相比具有更好的魯棒性。 

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 居民區(qū)分割方法
    1.1 卷積神經(jīng)網(wǎng)絡(luò)方法
    1.2 生成對抗網(wǎng)絡(luò)的設(shè)計
2 實驗與結(jié)果分析
    2.1 實驗數(shù)據(jù)
    2.2 評價指標(biāo)
    2.3 對抗網(wǎng)絡(luò)實驗
    2.4 實驗結(jié)果對比分析
3 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的車型識別方法研究[J]. 紀(jì)野,李玉惠,王蒙.  傳感器與微系統(tǒng). 2017(11)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的胸片肺野自動分割[J]. 秦子亮,李朝鋒.  傳感器與微系統(tǒng). 2017(10)
[3]基于內(nèi)容的圖像分割方法綜述[J]. 姜楓,顧慶,郝慧珍,李娜,郭延文,陳道蓄.  軟件學(xué)報. 2017(01)
[4]利用邊緣密度特征提取高分辨率遙感影像中的居民區(qū)[J]. 陳洪,陶超,鄒崢嶸,邵磊.  應(yīng)用科學(xué)學(xué)報. 2014(05)
[5]高分辨率遙感影像信息提取方法綜述[J]. 王偉超,鄒維寶.  北京測繪. 2013(04)
[6]基于支持向量機(jī)和灰度共生矩陣的紋理圖像分割方法[J]. 陳英,楊豐玉,符祥.  傳感器與微系統(tǒng). 2012(09)
[7]基于決策樹模型的吉林西部居民地分布信息提取(英文)[J]. 連懿,陳圣波,王亞楠,逄超.  Journal of Landscape Research. 2010(02)
[8]基于Gabor濾波方法的居民地識別分析[J]. 汪閩,蔣圣,楊曉梅.  地球信息科學(xué). 2008(03)
[9]基于遙感影像的居民地提取研究綜述與展望[J]. 顧娟,陳軍,張宏偉,周啟鳴.  計算機(jī)工程與應(yīng)用. 2007(30)



本文編號：3703202