利用深度残差网络的高分遥感影像语义分割

• 作者: 唐文莉 李欣 杨博
• 来源期刊: 应用科学学报
• 学科: 工学
• 关键词: 遥感影像语义分割 深度残差网络 Atrous卷积 多尺度数据增强
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信号与信息处理
• 页码范围: 282-290
• 页数: 9页
• 分类号: TP753
• 字数: 4374字
• 语种: 中文
• DOI: 10.3969/j.issn.0255-8297.2019.02.013

摘要

遥感影像分割是影像解译与分析的必要过程,随着深度学习在特征表达上的优势逐步显现,以深度网络为基础模型的影像语义分割已成为自动分割的主要研究趋势.该文提出了一种基于深度残差网络的多尺度语义分割模型,旨在针对小样本遥感影像数据集,提高具有不同尺度分割对象的遥感影像分割精度.首先将深度残差网络以全卷积网络形式进行微调,实现端到端语义分割模型结构构建;然后针对全卷积网络粗糙分割输出的问题,引入Atrous卷积精细化模型上采样过程,进而提高输出标签图精度;最后针对小样本数据进行随机多尺度数据增强,通过样本扩充提高模型分类精度和鲁棒性.试验基于ISPRS 2D Vaihingen语义分割数据集,影像分割结果的分类精度达到89.7％,尤其在小尺度对象上具有较好分割效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李欣	武汉大学遥感信息工程学院	68	324	11.0	14.0
2	杨博	武汉大学地球空间信息技术协同创新中心	27	125	7.0	10.0
6	唐文莉	武汉大学遥感信息工程学院	2	1	1.0	1.0