高分辨率遥感图像双解耦语义分割网络模型
P237; 语义分割是高空间分辨率遥感图像分析和理解的核心内容之一.现有基于深度学习的语义分割网络会导致遥感图像高频信息损失,边界分割不准确.针对此问题,本文提出一种双解耦语义分割网络模型,将提取的两级特征图解耦为具有高频特性的边界特征和具有低频特性的主体特征,并将解耦后的边界和主体特征图进行融合,从而改善高分辨率遥感图像语义分割性能.进一步提出了 一种顾及边界和主体的损失函数,对地物要素及其边界和主体部分进行优化学习.在ISPRS Vaihingen和Potsdam 2D高空间分辨率遥感图像数据集上进行试验,与已有的遥感图像语义分割网络模型结果比较,双解耦语义分割网络模型能有效提高地物要素分...
Gespeichert in:
| Veröffentlicht in: | 测绘学报 2023-04, Vol.52 (4), p.638-647 |
|---|---|
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Zusammenfassung: | P237; 语义分割是高空间分辨率遥感图像分析和理解的核心内容之一.现有基于深度学习的语义分割网络会导致遥感图像高频信息损失,边界分割不准确.针对此问题,本文提出一种双解耦语义分割网络模型,将提取的两级特征图解耦为具有高频特性的边界特征和具有低频特性的主体特征,并将解耦后的边界和主体特征图进行融合,从而改善高分辨率遥感图像语义分割性能.进一步提出了 一种顾及边界和主体的损失函数,对地物要素及其边界和主体部分进行优化学习.在ISPRS Vaihingen和Potsdam 2D高空间分辨率遥感图像数据集上进行试验,与已有的遥感图像语义分割网络模型结果比较,双解耦语义分割网络模型能有效提高地物要素分割精度. |
|---|---|
| ISSN: | 1001-1595 |
| DOI: | 10.11947/j.AGCS.2023.20210455 |