文献类型：期刊文章

作　　者：苏健民[1] 杨岚心[1] 景维鹏[1]

SU Jianmin;YANG Lanxin;JING Weipeng(College of Information and Computer Engineering,Northeast Forestry University,Harbin 150040,China)

机构地区：[1]东北林业大学信息与计算机工程学院,哈尔滨150040

出　　处：《计算机工程与应用》

基　　金：黑龙江省自然科学基金(No.C200840;No.F201028)

年　　份：2019

卷　　号：55

期　　号：7

起止页码：207-213

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：图像分割是遥感解译的重要基础环节,高分辨率遥感图像中包含复杂的地物目标信息,传统分割方法应用受到极大限制,以深度卷积神经网络为代表的分割方法在诸多领域取得了突破进展。针对高分辨遥感图像分割问题,提出一种基于U-Net改进的深度卷积神经网络,实现了端到端的像素级语义分割。对原始数据集做了扩充,对每一类地物目标训练一个二分类模型,随后将各预测子图组合生成最终语义分割图像。采用了集成学习策略来提高分割精度,在"CCF卫星影像的AI分类与识别竞赛"数据集上取得了94%的训练准确率和90%的测试准确率。实验结果表明,该网络在拥有较高分割准确率的同时还具有良好的泛化能力,能够用于实际工程。

关 键 词：遥感图像 语义分割  卷积神经网络 U-Net  集成学习  

分 类 号：TP751]