基于优化的ICNet高分遥感影像城市建成区分类

作者：夏国静; 黄凯; 郑庆雅; 夏萍^*; 田波; 周婷; 牛鑫鑫

来源：安徽农业大学学报, 2023, 50(02): 303-309.

DOI：10.13610/j.cnki.1672-352x.20230511.001

• 卷积神经网络
• ICNet语义分割模型
• 分类
• 高分遥感影像
• 城市建成区

城市建成区是一类具有大面积的组合型目标群体，该区域地物丰富，光谱特征复杂多变，且具有大量的同物异谱与地物像素单元交错等现象，影像分类难度显著增加。针对图像级联网络（image cascade network,ICNet）计算复杂、分类精度低的问题，采用优化的ICNet对高分辨率遥感影像城市建城区地物分类进行研究，通过添加高效通道注意力机制（efficient channel attention,ECA）和联合金字塔上采样模块（joint pyramid upsampling,JPU）替换空洞卷积来获得ICNet改进网络，采用总体分类精度（overallaccuracy,OA）、Kappa系数与F13个指标对分类结果进行精度评估，并与随机森林（random forest,RF）、ENet和ICNet3种方法进行对比分析。结果表明，优化的ICNet网络模型能够更准确的进行地物分类，总体分类精度为75.12%，相较于其他分类方法分别提高16.56%、10.48%和4.81%。后用开源数据集进一步验证了优化模型的有效性，说明优化的ICNet网络可用于城市建成区的分类研究。

• 单位
  安徽农业大学; 安徽工程大学