多尺度遥感语义分割网络

摘要：

高分辨率遥感图像语义分割在国土规划、地理监测、智慧城市等领域有着广泛的应用价值,但是现阶段研究中存在相似地物和精细地物分割不准确问题.为解决这一问题,提出了一种新型的多尺度语义分割网络MSSNet.它由编码层、解码层和输出层组成.为解决相似地物的分割问题,编码层使用深层网络ResNet101充分提取地物特征,并在解码层的解码器中加入残差块,提高基于像素点的分类能力.为解决精细结构地物的分割问题,解码层中的解码器加入了空洞空间金字塔池化结构提取多尺度地物特征,以便精确分割不同尺度的地物.为了强化语义分割能力,输出层合并了多个解码器的输出,为最终的预测提供了更多的信息.在两个公开数据集Vaihingen和Potsdam上进行了实验,分别取得了87％和87.3％的全局精确度,超过了大多数已发表的方法.实验结果表明,提出的MSSNet能够精确地分割相似地物和精细地物,并且具有训练过程简单和易于使用的优点,非常适合进行高分辨率遥感图像语义分割.

关键词：高分辨率遥感图像、语义分割、深度学习、多尺度语义分割网络(MSSNet)

所属期刊栏目：56

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金No.61303146

在线出版日期：2020-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：210-217