引入SPP的高分辨率遥感影像深度学习分类方法

摘要：

当前,深度学习技术与传统的面向对象技术相结合的分类方法已经较好地应用于高分辨率遥感影像的分类任务当中,但是仍存在如下问题:高分辨遥感影像地物目标复杂,依靠单一数据源进行分割效果不佳;标准的卷积神经网络只能接受固定尺寸大小的输入,分割对象在拉伸变形至固定尺寸的过程中会造成信息的损失.该文首先结合DSM数据进行协同分割,获得更佳的分割结果;然后将空间金字塔池化层(Spatial Pyramid Pooling,SPP)引入卷积神经网络中,构建了一种能接受任意尺寸输入的深度学习面向对象分类模型,从而令分割对象的特征表达更完整,以提高影像分类精度.实验结果表明:引入空间金字塔池化层的高分辨率遥感影像深度学习分类方法,可有效提高影像分类精度,进而得到更加真实可靠的分类结果.

关键词：影像分类;深度学习;面向对象;数字表面模型;SPP

分类号：TP391.41;TP751;P237

资助基金：四川省科技厅重点研发项目;四川电力设计咨询有限责任公司科技项目

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：20-24