基于多尺度特征模糊卷积神经网络的遥感图像分割

作     者：马翔悦 徐金东 倪梦莹 MA Xiangyue;XU Jindong;NI Mengying

作者机构：烟台大学计算机与控制工程学院山东烟台264005 烟台大学物理与电子信息学院山东烟台264005 

出 版 物：《山东大学学报（工学版）》 (Journal of Shandong University（Engineering Science）)

年 卷 期：2024年第54卷第3期

页      面：44-54页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金面上资助项目(62072391) 国家自然科学基金地区科学基金资助项目(62066013) 

主　　题：模糊学习 多孔空间金字塔池化 多尺度特征 编码器-解码器 卷积神经网络 

摘      要：为解决高分辨率遥感图像“同谱异物、同物异谱的不确定性以及大量空间信息利用率低的问题,提出一种基于多尺度特征的模糊卷积神经网络模型。该模型在长跳跃连接部分加入模糊学习模块去除噪声特征,缓解类别间的不确定性;利用多孔空间金字塔池化融合多尺度特征,提取完备的空间上下文信息,提升分割性能。试验结果表明,该模型在Potsdam数据集和Vaihingen数据集上的整体准确度分别达到92.65%和93.19%,明显优于现有流行的深度学习模型,能够显著提升高分辨率遥感图像的语义分割性能。