改进DeeplabV3+模型的河流水体提取

摘要：

为了探究深度学习DeeplabV3+模型在河流水体提取的潜力,分别构建了ResNet-50、ResNet-101、ResNet-152、Xception共 4 种不同骨架网络的DeeplabV3+模型,开展河流水体提取研究.通过河流水体提取结果对比分析,确定了最优骨架网络模型为ResNet-50,在此基础上提出了改进的DeeplabV3+模型,并与最邻近分类法、随机森林分类法、支持向量机分类法、原始DeeplabV3+模型法等分类方法的分类结果进行比较.结果表明:改进的DeeplabV3+网络模型能有效提取河流水体目标,增强小面积河流水体识别能力,减少河流水体漏分现象,提高河流水体提取效果.改进后的DeeplabV3+网络模型在高分辨率遥感影像河流水体提取方面具有可行性,为后续该领域的进一步研究应用提供了参考.

关键词：深度学习、高分辨率遥感影像、河流水体提取、DeeplabV3+、卷积神经网络

所属期刊栏目：38

分类号：TP237(自动化技术及设备)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：146-152