基于密集连接全卷积神经网络的遥感影像水体全自动提取方法

摘要：

针对常规遥感水体监测方法存在的易受人为主观因素影响、泛化能力弱、效率低、自动化程度较低的问题,提出利用深度学习实现遥感影像水体信息快速自动化提取的方法.通过引入DenseNet密集连接结构(dense block)构建水体提取深度学习全卷积神经网络,弥补了一般网络存在的浅层特征丢失问题,提高了网络对遥感影像中细小水体的敏感程度,实现了更优的水体提取效果.实验结果表明,该方法水体提取结果的像元精度达到96.3％,均交并比达到91.1％,斑块漏检率为0,水体边界长度和面积精度分别达到95.8％和98.5％,均高于传统NDWI法、光谱监督分类法、决策树方法.同时,该方法表现出所对比方法不具备的高效、自动化和泛化性优势,在遥感影像水体提取上有较强的应用价值.

关键词：遥感影像解译、水体提取、深度学习、自动化、泛化性

所属期刊栏目：35

分类号：TP751;TP753(遥感技术)

资助基金：国家自然科学基金项目;安徽省自然科学基金项目

在线出版日期：2020-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：68-77