华南理工大学学报(自然科学版)

作者：范自柱, 王松, 张泓, 等

单位：1． 华东交通大学 理学院，江西 南昌 330013; 2． 广东技术师范大学 工业实训中心，广东 广州 510665

关键词：遥感卫星图像,卷积神经网络,图像分割

基金：国家自然科学基金资助项目 ( 61991401，61673097，61702117 ) ; 江西省自然科学基金资助项目( 20192ACBL20010)

遥感卫星图像因其实时性和客观性可以提供准确的地物位置信息，而在农业生产和环境保护等领域得到广泛的运用。针对海量的遥感卫星图像难以识别的问题，文中使用基于卷积神经网络的图像分割方法提取遥感图像中典型土地光谱信息和空间信息来识别遥感卫星图像。首先，通过裁剪遥感图像数据集和标注数据生成实验数据，对数据中的类别进行统计，使用过采样处理数据不平衡的问题; 然后，在 U-Net 网络中添加自上而下的特征金字塔结构，并且结合全局上下文模块，提出名为 W-Net 的网络结构进行训练; 最后，使用影像重叠策略对大尺寸的遥感卫星图像进行识别。与 3 种流行的语义分割网 络、2 种遥感卫星图像分割专用的网络进行对比，文 中 提 出 的 W-Net 在“2017CCF 卫星影像的 AI 分类与识别竞赛”卫星图像识别模块中取得了 74. 7% 的平均重叠度、95. 1% 的分类精度，在 Massachusetts 建筑物分割模块中取得了 69. 6% 的查准率和 79. 9% 的查全率，其分割准确率和平均重叠度在 6 种网络中均为最高。实验表明，使用特征金字塔结构和全局上下文模块能够提升语义分割网络的分割准确率，该方法用于遥感卫星图像分割是可行的。

来源：2020年第12期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2020年第12期