OPT OpenIR  > 光电跟踪与测量技术研究室
改进卷积网络的高分遥感图像城镇建成区提取
侯博文1,2; 闫冬梅3,4; 郝伟1; 黄青青3; 苏秀琴1; 李青雯2,3
Department光电跟踪与测量技术研究室
2020-12
Source Publication中国图像图形学报
ISSN1006-8961
Volume25Pages:12
Contribution Rank1
Abstract

目的城镇建成区是城镇研究重要的基础信息,也是实施区域规划、落实城镇功能空间布局的前提。但是遥感影像中城镇建成区的环境复杂,同时不同城镇建成区在坐落位置、发展规模等方面存在许多差异,导致其信息提取存在一定困难。方法本文基于面向图像语义分割的深度卷积神经网络,使用针对特征图的强化模块和通道域的注意力模块,对原始DeepLab网络进行改进,并通过滑动窗口预测、全连接条件随机场处理方法,更准确地实现城镇建成区提取。同时,针对使用深度学习算法容易出现过拟合和鲁棒性不强的问题,采用数据扩充增强技术进一步提升模型能力。结果实验数据是三亚和海口部分地区的高分二号遥感影像。结果表明,本文方法的正确率高于93%,Kappa系数大于0.837,可以有效地提取出大尺度高分辨率遥感影像中的城镇建成区,且提取结果最为接近实际情况。结论针对高分辨率遥感卫星影像中城镇建成区的光谱信息多样化、纹理结构复杂化等特点,本文算法能在特征提取网络中获取更多特征信息。本文使用改进的深度学习方法,提出两种处理方法,显著提高了模型的精度,在实际大幅遥感影像的使用中表现优秀,具有重要的实用价值和广阔的应用前景。 

Keyword卷积神经网络 注意力机制 遥感图像 城镇建成区 信息提取
Indexed ByCSCD
Language中文
CSCD IDCSCD:6869951
Citation statistics
Document Type期刊论文
Identifierhttp://ir.opt.ac.cn/handle/181661/94576
Collection光电跟踪与测量技术研究室
Corresponding Author闫冬梅; 郝伟
Affiliation1.中国科学院西安光学精密机械研究所
2.中国科学院大学
3.中国科学院空天信息创新研究院
4.海南省地球观测重点实验室三亚中科遥感研究所
First Author Affilication中国科学院西安光学精密机械研究所
Corresponding Author Affilication中国科学院西安光学精密机械研究所
Recommended Citation
GB/T 7714
侯博文,闫冬梅,郝伟,等. 改进卷积网络的高分遥感图像城镇建成区提取[J]. 中国图像图形学报,2020,25:12.
APA 侯博文,闫冬梅,郝伟,黄青青,苏秀琴,&李青雯.(2020).改进卷积网络的高分遥感图像城镇建成区提取.中国图像图形学报,25,12.
MLA 侯博文,et al."改进卷积网络的高分遥感图像城镇建成区提取".中国图像图形学报 25(2020):12.
Files in This Item:
File Name/Size DocType Version Access License
改进卷积网络的高分遥感图像城镇建成区提取(5410KB)期刊论文作者接受稿限制开放CC BY-NC-SAApplication Full Text
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[侯博文]'s Articles
[闫冬梅]'s Articles
[郝伟]'s Articles
Baidu academic
Similar articles in Baidu academic
[侯博文]'s Articles
[闫冬梅]'s Articles
[郝伟]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[侯博文]'s Articles
[闫冬梅]'s Articles
[郝伟]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.