基于深度学习的遥感影像地块分割方法

• 作者: 赵伟昱 张宏海 仲波
• 来源期刊: 数据与计算发展前沿
• 关键词: 遥感图像 图像分割 深度学习
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 技术与应用|Technology and Applicaton
• 页码范围: 133-141
• 页数: 9页
• 语种: 中文
• DOI: 10.11871/jfdc.issn.2096-742X.2021.02.015

摘要

[目的]遥感影像地块分割是遥感影像解译的一项具体任务.良好的遥感影像地块分割结果可以为环境保护、农业生产、城镇建设提供指导意见.[方法]本文使用Pytorch框架搭建了DeepLabV3+网络,编码器使用ResNet101和空洞空间金字塔池化模块进行特征提取,解码器使用双线性插值的方法进行特征图尺寸还原.训练过程中,针对遥感影像地块分割任务,专门设计了训练时的数据增强策略,从而增强模型的泛化能力.使用联合Lovasz loss和Softmax loss的损失函数克服样本类别分布不平衡的问题.[结果]实验结果选用平均交并比作为评价指标,最终模型的平均交并比可以达到70.3％,相比遥感图像分割常用的UNet方法提高了7.6％.[局限]部分分割图像的区域不够完整,还需要进一步提高分割图像的连通性.[结论]本文提出的遥感影像地块分割方法,可以实现对高分辨率遥感图像的精细分割,为遥感图像分割的研究提供借鉴.