使用深度學習的遙感三分類分割問題的精度提高方法

作者：袁偉,李麗,何旭,周甜

摘要：傳統的基于光譜相似性的分割方法無法將具有相似光譜特性的不同地物分割開來,并且會存在錯分現象。利用深度學習直接進行三類地物的分割,其分割效果不能滿足實際要求。本文改進了最新的UNet++模型,提出一種將三分類分割問題分解成兩個二分類分割的方法來提高分割精度。首先將三類別樣本制作為兩個單類別樣本;其次分別訓練二分類網絡,在測試集上將二分類結果輸出為0~100之間的概率;最后將二分類結果按概率融合為三分類。實驗結果表明,改進的UNet++模型精度有顯著提升,同時將三分類化為二分類算法的分割結果,其各項評估指標也均有提升,平均交并比MIoU、平均精確度MP、平均召回率MR和平均像素精度MPA分別提高了0.3%、1.8%、1.5%和4.5%。

發文機構：成都大學建筑與土木工程學院

關鍵詞：遙感影像圖像分割深度學習特征提取三分類remote sensing imagesimage segmentationdeep learningfeature extractionthree classification segmentation

分類號： P237[天文地球—攝影測量與遙感]