一种基于深度学习的卫星遥感图像分割方法

作者：刘冠群; 刘豪; 王新; 王威^*

来源：湖南城市学院学报(自然科学版), 2021, 30(05): 54-58.

• 卷积神经网络
• 深度学习
• 注意力机制
• 图像分割

近年来,基于深度学习的语义分割方法得到了广泛应用﹒本文针对实际遥感图像中的语义分割问题,为了减少网络参数和计算量,以及提高网络性能,提出了一个使用通道注意力机制的卷积神经网络(channel attention network, CA-Net)﹒首先,对高分二号(GF-2)遥感图像进行预处理和数据标注,得到一个7分类数据集;其次,将数据集进行增强与扩充,以避免过度拟合﹒实验结果表明:CA-Net模型的MIoU达到了53.77%,像素精度为91.36%,FWIoU为85.52%,可以对GF-2图像中的分类任务目标精确分割;相比其他方法,本文所提出的方法可以更有效地完成高分辨率遥感影像图像语义分割任务﹒

• 单位
  长沙理工大学; 湖南广播电视大学