结合场景分类数据的高分遥感图像语义分割方法

• 作者: 池明旻 秦亿青
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 遥感图像 像素级分类 语义分割 场景分类数据 卷积神经网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 126-129,134
• 页数: 5页
• 分类号: TP391
• 字数: 3982字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.06.023

摘要

深度语义分割模型作为解决图像像素级分类的重要方法,在遥感图像分类中的应用受到遥感像素级标记数据不足的制约,在有限数据的情况下训练后的网络难以有效提取遥感图像特征.为此,将具有图像级标记的遥感场景分类数据应用到语义分割模型训练中.利用遥感场景分类数据训练卷积神经网络模型,并以其为基础构建语义分割网络的特征提取部分,从而提高语义分割模型提取遥感图像特征的能力.在训练卷积神经网络的过程中,对训练数据基于后验概率进行类别映射与平衡,使其更贴近目标任务的遥感图像.实验结合场景分类数据集UC Merced Landuse训练语义分割模型,在高分辨率遥感数据集Potsdam上获得了89.50％的总体分类准确率,证明该方法提高了语义分割模型在遥感数据上的像素级分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	池明旻	复旦大学上海市数据科学重点实验室	3	62	1.0	3.0
2	秦亿青	复旦大学上海市数据科学重点实验室	1	0	0.0	0.0