卷积神经网络滑窗识别结合语义推理的城市功能区分类

作者：王严; 刘万军; 谭亚丽; 李玉^*

来源：武汉大学学报(信息科学版), 2023, 48(06): 950-959.

DOI：10.13203/j.whugis20210377

• 城市功能区
• 图像分类
• 卷积神经网络
• 滑窗识别
• 语义推理
• 投票机制

目前基于遥感图像的城市功能区分类方法通常采用光谱特征解译、兴趣点数据辅助、评价策略优化等方式，依赖大量人工操作，并借助遥感图像外的其他信息源。为了解决以上问题，提出利用卷积神经网络进行滑窗识别，提取图像语义标签，结合语义推理机制实现城市功能区分类的滑窗-推理方法。首先，建立两级城市功能区分类，以二级城市功能区为标识标注训练样本，并以此训练卷积神经网络作为识别器；然后，设计有重叠的滑窗识别模式，使用识别器辨识滑窗区域内图像块的二级城市功能区类型；最后，提出一个带权重的打分机制，作为语义推理方式，语义推理对象为全部识别结果，确定各图像块的一级城市功能区类型，实现遥感图像城市功能区分类。实验使用模拟图像和高分辨率遥感图像，两种图像的总分类精度分别可达94.50%、92.04%。滑窗-推理方法旨在通过语义推理处理滑窗识别产生的多语义标签，根据多语义标签确定对象的真实城市功能区。实验结果表明，所提方法无需辅助信息，直接利用遥感图像进行城市功能区分类是可行和有效的。

• 单位
  辽宁工程技术大学