基于VGG16预编码的遥感图像建筑物语义分割

摘要：

深度卷积神经网络在遥感图像语义分割研究上开创了新的领域.利用改进的U-net模型对建筑物区域进行像素级提取,可获取其轮廓和尺寸信息.利用强可迁移性的VGG16网络作为U-net模型的编码器,并利用基于空洞卷积的级联并行模块提取多尺度的高层语义信息,同时使用转置卷积实现上采样,逐步还原分割细节.实验采用了加权组合的Jaccard损失和二元交叉熵损失作为总损失函数.实验结果表明了改进的U-net模型对遥感图像中建筑物的分割提取具有更高的精度,均像素精度(MPA)、均交并比(MIoU)和F1分数分别为92.16％、78.55％和84.81％.改进模型的F1分数比DeepLabv3+模型高4.8％,比标准U-net模型高8.3％.

关键词：遥感图像、语义分割、U-net、建筑物分割、Jaccard指数

所属期刊栏目：19

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2019-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：250-255