基于深度学习的土地覆盖遥感图像分割方法

作者：刘明威; 方静; 詹曙

来源：合肥工业大学学报(自然科学版), 2022, 45(06): 753-759.

DOI：10.3969/j.issn.1003-5060.2022.06.007

• 遥感图像
• 语义分割
• 深度学习
• 土地覆盖分类

文章提出一种基于深度学习的遥感图像语义分割方法，用于分割不同类别的土地区域。构建以编解码结构为主干的遥感图像语义分割模型，利用通道注意力机制来强化对分割任务有效的特征，提升分类精度；提出基于残差学习框架的多尺度特征融合算法，使得低层特征的局部细节信息和高层特征的语义信息互补，实现遥感图像的精细化分割。以中国南方某地区为例，采用文中提出的语义分割模型，实现了地表覆盖分类自动化，达到90.88%的分割准确率。实验结果表明：除水体分割外，该模型对其他类别的分割均优于原始U-Net,尤其是对道路和建筑的分割，精度提升明显；具有较高的分割准确率和较好的泛化能力，能够用于土地覆盖感遥感图像分割。

• 单位
  合肥工业大学