基于DeepLabv3架构的高分辨率遥感图像分类

• 作者: 季虹良 张崇涛 张鑫禄 戴晨光 王映雪
• 来源期刊: 海洋测绘
• 学科: 地球科学
• 关键词: 计算机视觉 深度学习 DeepLabv3架构 高分辨率遥感图像 MRF算法 图像分类
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 工程实践
• 页码范围: 40-44
• 页数: 5页
• 分类号: P236.2
• 字数: 4621字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-3044.2019.02.009

摘要

针对目前使用机器学习解决高分辨率遥感图像分类主要存在下采样导致的细节信息丢失问题,提出了一种基于DeepLabv3架构的小波域DeepLabv3-MRF(Markov random field,MRF)算法.选择当前较为普遍的DeepLabv3架构分类算法,能够获得更为精确的分类结果;采用小波域DeepLabv3-MRF算法,还能够获得更为清晰的边缘细节信息.选取南方某地区高分辨率无人机遥感图像进行分类实验,通过小波变换的方向性、非冗余性以及MRF变换像素空间的交互性这三个方面,将分类结果与原始DeepLabv3架构分类结果对比分析.结果表明,所提出的分类方法精度明显高于原始DeepLabv3架构分类算法的精度,总体精度可提升3％左右,并且可以充分表达高分辨率遥感图像细节信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张鑫禄	战略支援部队信息工程大学地理空间信息学院	1	0	0.0	0.0
2	戴晨光	战略支援部队信息工程大学地理空间信息学院	1	0	0.0	0.0
3	季虹良	战略支援部队信息工程大学地理空间信息学院	1	0	0.0	0.0
4	王映雪	战略支援部队信息工程大学地理空间信息学院	1	0	0.0	0.0