基于特征图集合的遥感影像深度学习地物分类研究

• 作者: 楚博策 高峰 帅通 王士成 陈杰 陈金勇 于卫东
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 高分辨率 遥感 地物分类 深度学习 语义分割 多尺度特征图 全卷积网络
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 测控遥感与导航定位|TT&C, Remote Sensing and Navigation & Positioning
• 页码范围: 630-637
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2022.04.015

摘要

针对高分辨率遥感影像复杂地物分类的问题,提出了人工特征工程与深度神经网络相结合的地物分类方法.通过纹理与结构等人工设计特征提取构建多尺度特征图,采用特征图和原始图像合并构建的高维图集合作为网络输入,最大程度地丰富了输入信息量,同时增强了纹理、 尺度等有利特征在网络训练过程中的主导作用.根据全卷积网络端到端的像素级分类思想,借鉴并改进DeepLab v3网络的结构设计,实现了一站式的遥感地物分类.实验结果表明,相对于采用原始图像直接作为网络输入,多尺度特征图与原始图结合的方法可以有效地凸显地物中纹理与结构的描述能力,较好地提升地物分类准确度;同时相对于传统神经网络进行图片分类的方法,设计的基于多尺度特征图集合的方法在遥感地物分类任务中具有更好的抗干扰性与准确性.