论文摘要
为提取高分辨率遥感影像的典型要素（建筑物及道路）,基于深度学习,提出一种语义分割与全连接条件随机场（CRF）相结合的提取方法。以Deeplabv3+作为语义分割模型,提取较完整图像分割信息,并将其作为全连接CRF的一元能量函数的输入,利用平均场近似方法进行推理,实现对分割信息边界的优化。通过分析Deeplabv3+模型在噪声样本集数据的训练效果验证其鲁棒性,并基于公开影像及矢量数据源设计大规模遥感训练样本集智能采集系统。采集罗德岛2 000平方公里遥感影像及相对应典型要素标记数据作为样本进行实验,结果表明,该方法分割精度MIoU值达到80.32%,结合形态学滤波处理,要素边界轮廓明显优于初始分割结果。
论文目录
文章来源
类型: 期刊论文
作者: 王俊强,李建胜,周华春,张旭
关键词: 遥感影像,语义分割,条件随机场,要素提取,深度学习
来源: 计算机工程 2019年10期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,自动化技术
单位: 信息工程大学地理空间信息学院,78123部队
基金: 国家自然科学基金(41876150)
分类号: TP751
DOI: 10.19678/j.issn.1000-3428.0053359
页码: 260-265+271
总页数: 7
文件大小: 625K
下载量: 411