基于Deeplabv3+与CRF的遥感影像典型要素提取方法

被引：62

作者：

王俊强 ^{[1
,2
]}

李建胜 ^{[1
]}

周华春 ^{[2
]}

张旭 ^{[1
]}

机构：

[1] 信息工程大学地理空间信息学院

[2] 部队

来源：

计算机工程 | 2019年 / 45卷 / 10期

关键词：

遥感影像; 语义分割; 条件随机场; 要素提取; 深度学习;

D O I：

10.19678/j.issn.1000-3428.0053359

中图分类号：

TP751 [图像处理方法];

学科分类号：

080201 [机械制造及其自动化];

摘要：

为提取高分辨率遥感影像的典型要素(建筑物及道路),基于深度学习,提出一种语义分割与全连接条件随机场(CRF)相结合的提取方法。以Deeplabv3+作为语义分割模型,提取较完整图像分割信息,并将其作为全连接CRF的一元能量函数的输入,利用平均场近似方法进行推理,实现对分割信息边界的优化。通过分析Deeplabv3+模型在噪声样本集数据的训练效果验证其鲁棒性,并基于公开影像及矢量数据源设计大规模遥感训练样本集智能采集系统。采集罗德岛2 000平方公里遥感影像及相对应典型要素标记数据作为样本进行实验,结果表明,该方法分割精度MIoU值达到80.32%,结合形态学滤波处理,要素边界轮廓明显优于初始分割结果。

引用

页码：260 / 265+271 +271

页数：7

共 6 条

[1]

基于深度学习的资源三号卫星遥感影像云检测方法 [J].