高分辨率遙感影像分割的城市綠地提取研究

作者：陳周,費鮮蕓,高祥偉,王筱雪,趙慧敏

摘要：城市綠地是生態文明建設的重要組成部分,綠地信息提取是城市綠地規劃和建設的基礎和前提。遙感影像分割是綠地信息分類提取的關鍵步驟,選擇合適的影像分割方法能有效提高城市綠地提取精度。傳統的遙感分割方法分割結果中邊緣鋸齒現象嚴重,與綠地實地邊界相差較大,不符合綠地信息提取的要求。本文以高分辨率的WorldView影像為數據源,使用深度學習網絡DeepLab-v3+對城市綠地進行分割研究,在分割基礎上進行城市綠地信息提取。同時,本研究將該網絡模型的分割和分類結果與基于Ostu、MeanShift、FNEA分割算法的分類精度進行比較。研究表明:DeepLab-v3+的分割性能最好,其分割邊緣光滑,與綠地實地邊界吻合度高,有效解決了傳統分割算法的邊緣鋸齒問題;在各種分割分類算法中,DeepLab-v3+的分類精度最高,達到98.01%。

發文機構：江蘇海洋大學測繪與海洋信息學院

關鍵詞：城市綠地OSTU算法MeanShit算法FNEA算法DeepLab-v3+urban green spaceOstu algorithmMeanShift algorithmFNEA algorithmDeepLab-v3+

分類號： P237[天文地球—攝影測量與遙感]