首页|高分辨率遥感影像的边缘损失增强地物分割

高分辨率遥感影像的边缘损失增强地物分割

Segmentation of high-resolution remote sensing image by collaborating with edge loss enhancement

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
目的 针对高分辨率遥感影像语义分割中普遍存在的分割精度不高、目标边界模糊等问题,提出一种综合利用边界信息和网络多尺度特征的边缘损失增强语义分割方法.方法 对单幅高分辨率遥感影像,首先通过对VGG-16(visual geometry group 16-layer net)网络引入侧边输出结构,提取到图像丰富的特征细节;然后使用深度监督的短连接结构将从深层到浅层的侧边输出组合起来,实现多层次和多尺度特征融合;最后添加边缘损失增强结构,用以获得较为清晰的目标边界,提高分割结果的准确性和完整性.结果 为了验证所提方法的有效性,选取中国北方种植大棚遥感影像和Google Earth上的光伏板组件遥感影像进行人工标注,并制作实验数据集.在这两个数据集上,将所提方法与几种常用的语义分割方法进行对比实验.实验结果表明,所提方法的精度在召回率为0～0.9之间时均在0.8以上,在2个数据集上的平均绝对误差分别为0.079 1和0.036 2.同时,通过消融实验分析了各个功能模块对最终结果的贡献.结论 与当前先进方法相比,本文提出的边缘损失增强地物分割方法能够更加精确地从遥感影像的复杂背景中提取目标区域,使分割时提取到的目标拥有更加清晰的边缘.

陈琴、朱磊、吕燧栋、吴谨

展开 >

武汉科技大学信息科学与工程学院,武汉430081

中冶南方连铸技术工程有限责任公司,武汉430223

高分辨率遥感影像 卷积神经网络 语义分割 多特征融合 边缘损失增强网络 平均绝对误差

国家自然科学基金国家自然科学基金

6150235861502357

2021

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2021.26(3)
  • 4
  • 1