基于DeepLabv3+语义分割模型的GF-2影像城市绿地提取

• 作者: 刘文雅 季珏 岳安志 师卫华 梁业恒 熊龙海 邓孺孺
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 城市绿地 DeepLab 深度学习 语义分割 GF-2
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 技术方法
• 页码范围: 120-129
• 页数: 10页
• 分类号: TP79
• 字数: 5765字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2020.02.16

摘要

高效准确地提取城市绿地对国土规划建设意义重大,将深度学习语义分割算法应用于遥感图像分类是近年研究的新探索.提出一种基于DeepLabv3+深度学习语义分割网络的GF-2遥感影像城市绿地自动化提取架构,通过网络的多孔空间金字塔池化(atrous spatial pyramid pooling,ASPP)等模块,提取高层特征,并依托架构完成数据集创建,模型训练,城市绿地提取以及精度评估.研究表明,本文架构分类的总体精度达到91.02％,F值为0.86,优于最大似然法(maximum likelihood,ML)、支持向量机(support vector machine,SVM)和随机森林法(random for-est,RF)3种传统方法及另外4种语义分割网络(PspNet,SegNet,U-Net和DeepLabv2),可以准确提取城市绿地,排除农田像元干扰;此外,对另一地区的提取试验也证实了本架构具有一定的迁移能力.所提出的GF-2遥感影像城市绿地自动化提取架构,可实现更精确、效率更高的城市绿地提取,为城市规划管理提供参考.