资料下载
×
基于深度学习的遥感影像典型要素提取方法
消耗积分:0 |
格式:pdf |
大小:1.89 MB |
2021-06-03
分享资料个
为提取髙分辨率遥感影像的典型要素（建筑物及道路），基于深度学习，提出一种语义分割与全连接条件随机场（CRF）相结合的提取方法。以 Deeplabv3+作为语义分割模型，提取较完整图像分割信息，并将其作为全连接CRF的一元能量函数的输入，利用平均场近似方法进行推理，实现对分割信息边界的优化。通过分析 Deeplabv3+模型在噪声样本集数据的训练效果验证其鲁棒性，并基于公开影像及矢量数据源设计大规模遥感训练样本集智能采集系统。采集罗德岛2000平方公里遥感影像及相对应典型要素标记数据作为样本进行实验，结果表明，该方法分割精度MIoU值达到80.32%，结合形态学滤波处理，要素边界轮廓明显优于初始分割结果。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
