Print

基于神经网络的遥感图像语义分割方法

论文摘要

为了提高遥感图像语义分割的效果和分类精度,设计了一种结合ResNet18网络预训练模型的双通道图像特征提取网络。将多重图像特征图进行拼接,融合后的特征图具有更强的特征表达能力。同时,采用批标准化层和带有位置索引的最大池化方法进一步优化网络结构,提升地表目标物的分类准确率。通过实验,将所提方法与多种神经网络方法进行准确率和Kappa系数比较。结果显示,所提的网络结构可以在小数据量样本下取得90.68%的总体准确率,Kappa系数达到了0.8595。相比其他方法,所提算法取得了更好的语义分割效果,并且整体训练时间大幅缩短。

论文目录

  • 1 引 言
  • 2 相关工作
  •   2.1 CNN基本方法
  •   2.2 ResNet网络结构
  •   2.3 SegNet网络结构
  • 3 本文方法
  •   3.1 双通道不同尺度特征提取
  •   3.2 双通道不同尺度特征联合
  •   3.3 位置索引最大池化
  •   3.4 批标准化层
  •   3.5 引入ResNet18预训练参数
  •   3.6 网络训练过程
  • 4 实验过程及结果分析
  •   4.1 数据集及预处理
  •   4.2 实验设置
  •   4.3 实验结果与分析
  • 5 结 论

    • 文章来源

    类型: 期刊论文

    作者: 王恩德,齐凯,李学鹏,彭良玉

    关键词: 图像处理,全卷积神经网络,语义分割,双通道网络,多尺度特征,遥感图像

    来源: 光学学报 2019年12期

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 工业通用技术及设备,自动化技术

    单位: 中国科学院沈阳自动化研究所,中国科学院光电信息处理重点实验室,东北大学信息科学与工程学院

    分类号: TP751;TP183

    页码: 93-104

    总页数: 12

    文件大小: 12454K

    下载量: 737

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/8faefa4fed439215f6b808fd.html