语义分割网络重建单视图遥感影像数字表面模型

• 作者: 卢俊言 贾宏光 高放 李文涛 陆晴
• 来源期刊: 电子与信息学报
• 关键词: 语义分割网络 编码-解码 多尺度残差融合 跳跃级联 数字表面模型
• 年，卷（期）: 2021,（4）
• 页码范围: 974-981
• 页数: 8页
• 分类号: TN911.73; TP394.1
• 语种: 中文
• DOI: 10.11999/JEIT200031

摘要

该文提出了一种仅依靠激光探测与测量数据，实现单视图遥感影像数字表面模型(DSM)重建的新方法。该方法基于深度学习技术设计了一种编码-解码结构的语义分割网络，该网络采用多尺度残差融合的编码块与解码(MRFED)块从输入图像中提取语义信息，进而逐像素预测高度值；采用特征图跳跃级联的策略保留输入图像的细节特征和结构信息。该文采用了一个包含DSM数据的遥感影像公开数据集训练与测试模型，实验结果表明：DSM重建结果与真值的平均绝对误差(MAE)为2.1e-02，均方根误差(RMSE)为3.8e-02，结构相似性(SSIM)为92.89%，均优于经典的深度学习语义分割网络。实验证实该方法能够有效实现单视图遥感影像的DSM重建，具有较高的精度，以及较强的地物分布结构重建能力。