文献类型：期刊文章

作　　者：潘旭冉[1] 杨帆[1] 潘国峰[1,2]

机构地区：[1]河北工业大学电子信息工程学院天津市电子材料与器件重点实验室,天津300401 [2]河北工业大学电子信息工程学院微电子研究所,天津300401

出　　处：《电讯技术》

基　　金：国家科技重大专项(2009ZX02308-004);河北省高等学校科学研究项目(Z2014088)

年　　份：2018

卷　　号：58

期　　号：2

起止页码：119-125

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、UPD、ZGKJHX、核心刊

摘　　要：针对现有的高分辨率遥感图像居民地信息提取精度和效率不够高的问题,提出了一种基于改进全卷积网络的"高分一号"(GF-1)遥感影像居民地提取方法。首先,通过专业的目视解译制备大量居民地训练样本;然后,将预训练过的深度卷积神经网络进行全卷积网络的改造,并以具有多尺度卷积核的Inception模块代替由全连接层改造的卷积层,达到减小网络模型参数量、增加特征表达能力的目的;最后,用制作好的高分辨率遥感图像居民地数据集进行训练和验证,生成可直接进行居民地信息提取的全卷积网络。实验结果表明,基于改进全卷积网络的方法可以实现精确有效的居民地信息提取,Kappa系数超过94%。

关 键 词：“高分一号”卫星  高分辨率遥感图像 居民地信息提取  深度学习  全卷积网络  

分 类 号：TN957.52]