基于SegNet语义模型的高分辨率遥感影像农村建设用地提取

• 作者: 刘瑞 周振旭 尹航 杜贞容 杨建宇 许全全
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 遥感 图像分割 算法 深度学习 SegNet语义分割模型 高空间分辨率遥感影像 农村建设用地提取
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 土地整理工程
• 页码范围: 251-258
• 页数: 8页
• 分类号: S127
• 字数: 6075字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.05.031

摘要

针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像World View-2为数据源,利用182064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神经网络的SegNet图像语义分割算法对遥感影像中的农村建筑物进行提取,并与传统分类算法中的最大似然法(maximum likelihood,ML)和ISO聚类、浅层学习算法中的支持向量机(support vector machine,SVM)和随机森林(random forest,RF)以及深层语义分割算法中的金字塔场景解析网络(pyramid scene parsing network,PSPNet)的试验结果作对比分析.研究结果表明:SegNet不仅能够高效利用高空间分辨率遥感影像中农村建筑物的光谱信息而且还能够充分利用其丰富的空间特征信息,最终形成较好的分类模型,该算法在验证样本中的分类总体精度为96.61％,Kappa系数为0.90,建筑物的F1值为0.91,其余5种分类算法的总体精度、Kappa系数、建筑物的F1值都分别在94.68％、0.83、0.87以下.该研究可以为高空间分辨率遥感影像农村建设用地提取研究提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨建宇	中国农业大学土地科学与技术学院	59	884	17.0	26.0
5	刘瑞	中国农业大学土地科学与技术学院	12	496	7.0	12.0
6	周振旭	中国农业大学土地科学与技术学院	2	9	1.0	2.0
7	杜贞容	中国农业大学土地科学与技术学院	3	38	3.0	3.0
8	许全全	中国农业大学土地科学与技术学院	1	8	1.0	1.0
9	尹航	中国农业大学土地科学与技术学院	1	8	1.0	1.0