1、第 卷第期测绘学报V o l ,N o 年月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c aJ u n e,引文格式:胡功明,杨春成,徐立,等改进U N e t的遥感图像语义分割方法J测绘学报,():D O I:/j A G C S HUG o n g m i n g,YANGC h u n c h e n g,XUL i,e t a l I m p r o v e dU N e t r e m o t e s e n s i n g i m a g e s e m a n t i c s e g m e n t
2、 a t i o nm e t h o dJA c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a,():D O I:/j A G C S 改进U N e t的遥感图像语义分割方法胡功明,杨春成,徐立,尚海滨,王泽凡,秦志龙中国地质大学(武汉)国家地理信息系统工程技术研究中心,湖北 武汉 ;中国地质大学(武汉)地质探测与评估教育部重点实验室,湖北 武汉 ;中国地质大学(武汉)地理与信息工程学院,湖北 武汉 II mm pp rr oo vv ee ddUU NN ee tt rr ee mm oo tt eess ee
3、 nn ss ii nn gg ii mm aa gg eess ee mm aa nn tt ii ccss ee gg mm ee nn tt aa tt ii oo nnmm ee tt hh oo ddHH UUGG oo nn gg mm ii nn gg,YY AA NN GGCC hh uu nn cc hh ee nn gg,XX UULL ii,SS HH AA NN GGHH aa ii bb ii nn,WWAA NN GGZZ ee ff aa nn,QQ II NNZZ hh ii ll oo nn gg N a t i o n a lE n g i n e e r
4、i n g R e s e a r c h C e n t e ro fG e o g r a p h i cI n f o r m a t i o nS y s t e m,C h i n a U n i v e r s i t yo fG e o s c i e n c e s,W u h a n ,C h i n a;K e yL a b o r a t o r yo fG e o l o g i c a lS u r v e ya n dE v a l u a t i o no fM i n i s t r yo fE d u c a t i o n,C h i n aU n i v
5、e r s i t yo fG e o s c i e n c e s,W u h a n ,C h i n a;S c h o o lo fG e o g r a p h ya n dI n f o r m a t i o nE n g i n e e r i n g,C h i n aU n i v e r s i t yo fG e o s c i e n c e s,W u h a n ,C h i n aAA bb ss tt rr aa cc tt:S e m a n t i cs e g m e n t a t i o no fr e m o t es e n s i n gi
6、m a g e sb yd e e pn e u r a ln e t w o r ki sa ni m p o r t a n tc o n t e n t o f r e m o t es e n s i n gi n t e l l i g e n t i n t e r p r e t a t i o n,w h i c hp l a y sav e r y i m p o r t a n t r o l e i nu r b a np l a n n i n g,d i s a s t e ra s s e s s m e n t,a g r i c u l t u r a lp r
7、 o d u c t i o na n do t h e r f i e l d s H i g hr e s o l u t i o nr e m o t es e n s i n gi m a g e sa r ec h a r a c t e r i z e db yc o m p l e xb a c k g r o u n d,d i v e r s es c a l e sa n di r r e g u l a rs h a p e,e t c T h e r e f o r e,u s i n gn a t u r a ls c e n es e m a n t i cs e
8、g m e n t a t i o nm e t h o d st op r o c e s sr e m o t es e n s i n gi m a g e so f t e nh a st h ep r o b l e mo f l o ws e g m e n t a t i o na c c u r a c y B a s e do nt h eU N e tm o d e l,am u l t i s c a l es k i pc o n n e c t i o nm e t h o di sp r o p o s e dt oi n t e g r a t es e m a
9、n t i cf e a t u r e so fd i f f e r e n t l e v e l sa n do b t a i na c c u r a t es e g m e n t a t i o nb o u n d a r ya n dl o c a t i o ni n f o r m a t i o n A t t e n t i o n m e c h a n i s m a n d p y r a m i d p o o l i n g a r ei n t r o d u c e dt os o l v et h ep r o b l e m o ff i n e
10、s e g m e n t a t i o ni nc o m p l e xb a c k g r o u n d I no r d e rt ov e r i f yt h ee f f e c t i v e n e s so fo u rp r o p o s e d m e t h o d,e x p e r i m e n t sw e r ec a r r i e do u t o n t h eW H D L Da n dL a n d C o v e r a i d a t a s e ta n dc o m p a r e dw i t h t h em a i n s t
11、 r e a ms e m a n t i cs e g m e n t a t i o nm e t h o d s T h ee x p e r i m e n t a l r e s u l t s s h o wt h a t t h ep r o p o s e dm e t h o do u t p e r f o r m so t h e rc o m p a r i s o nm e t h o d s,w i t hm I o Ur e a c h i n g a n d r e s p e c t i v e l y,a n dw i t ha v e r a g eo f
12、Fs c o r er e a c h i n g a n d r e s p e c t i v e l y;c o m p a r e dw i t h t h es e g m e n t a t i o nr e s u l t so fU N e t,t h ev a l u eo fI o U i m p r o v e s s i g n i f i c a n t l y i nb u i l d i n g s,r o a d sa n do t h e r c a t e g o r i e sw i t ha r e l a t i v e l y s m a l l p
13、 r o p o r t i o n,a n d i ss u p e r i o r t oo t h e r c o m p a r i s o nm e t h o d s KK ee yy ww oo rr dd ss:r e m o t e s e n s i n g s e m a n t i c s e g m e n t a t i o n;U N e t;a t t e n t i o n m e c h a n i s m;m u l t i s c a l e s k i pc o n n e t i o n;p y r a m i dp o o l i n gFF oo
14、 uu nn dd aa tt ii oo nnss uu pp pp oo rr tt:T h eN a t i o n a lN a t u r a l S c i e n c eF o u n d a t i o no fC h i n a(N o )摘要:利用深度神经网络进行遥感影像语义分割是遥感智能解译的一个重要内容,在城市规划、灾害评估及农业生产等领域具有十分重要的作用.高分辨率遥感影像具有背景复杂、尺度多样及形状不规则等特点,使用自然场景语义分割方法处理遥感图像往往存在分割精度低的问题.针对上述情况,本文在U N e t模型基础上,提出了一种多尺度跳跃连接方法来融合不同层次的语义
15、特征,获取准确的分割边界与位置信息;引入注意力机制和金字塔池化解决复杂背景下的精细分割问题.为了验证本文方法的有效性,在W H D L D和L a n d C o v e r a i数据集上进行试验,并与主流语义分割方法进行对比.试验结果表明,本文方法的m I o U分别达到 和 ,F均值达到 和 ,均优于其他对比方法;相比于U N e t的分割结果,I o U在建筑物、道路等占比较少的类别上提升明显,且优于其他对比方法.第期胡功明,等:改进U N e t的遥感图像语义分割方法关键词:遥感语义分割;U N e t;注意力机制;多尺度跳跃连接;金字塔池化中图分类号:P 文献标识码:A文章编号:(
16、)基金项目:国家自然科学基金()随着遥感技术的迅速发展,国内外遥感卫星的陆续发射,越来越多的高质量遥感数据资源用于生产研究中.如何自动提取高分辨率遥感图像中的关键信息,一直都是遥感图像处理中的一个重要研究方向.遥感图像语义分割是遥感智能解译中的重要一环,在地球观测、土地数据更新、农作物估产及变化检测等领域发挥着十分重要的作用.遥感影像语义分割,也称作地物分类,是对影像中每一个像素分配一个确定的地物类别.传统的地物分类方法主要包括两方面内容,人工设计特征和分类算法,因此选择优良的表达特征及更加稳健的分类器是影响影像分类精度最重要的因素.但是借鉴大量先验知识的人工设计特征往往具有单一性,无法表征目标中复杂的高层语义信息,缺乏对不同数据的泛化能力,给地物分类精度带来很大影响.近年来,随着深度学习和计算机硬件的迅速发展,卷积神经网络因其局部连接、权值共享等特点,在图像数据处理上具有独特的优势.神经网络通过学习得到的深层次特征在表达方面超过了传统的人工经验设计特征,在图像分类、目标检测及语义分割等任务中取得了一系列突破,在地物识别精度和速度上均得到了明显的提升.端到端的学习范式将特征提取和分类算