基于U-Net的高分辨率遥感图像语义分割方法

• 作者: 景维鹏 杨岚心 苏健民
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 遥感图像 语义分割 卷积神经网络 U-Net 集成学习
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 图形图像处理
• 页码范围: 207-213
• 页数: 7页
• 分类号: TP391.41
• 字数: 7491字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1806-0024

摘要

图像分割是遥感解译的重要基础环节,高分辨率遥感图像中包含复杂的地物目标信息,传统分割方法应用受到极大限制,以深度卷积神经网络为代表的分割方法在诸多领域取得了突破进展.针对高分辨遥感图像分割问题,提出一种基于U-Net改进的深度卷积神经网络,实现了端到端的像素级语义分割.对原始数据集做了扩充,对每一类地物目标训练一个二分类模型,随后将各预测子图组合生成最终语义分割图像.采用了集成学习策略来提高分割精度,在"CCF卫星影像的AI分类与识别竞赛"数据集上取得了94%的训练准确率和90%的测试准确率.实验结果表明,该网络在拥有较高分割准确率的同时还具有良好的泛化能力,能够用于实际工程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏健民	东北林业大学信息与计算机工程学院	47	264	7.0	14.0
2	景维鹏	东北林业大学信息与计算机工程学院	37	217	8.0	12.0
3	杨岚心	东北林业大学信息与计算机工程学院	3	24	2.0	3.0