APP下载

基于多尺度特征融合模型的遥感图像建筑物分割

2020-08-03徐胜军欧阳朴衍郭学源KhanTahaMuthar

计算机测量与控制 2020年7期
关键词:特征融合模型

徐胜军,欧阳朴衍,郭学源,Khan Taha Muthar

(1.西安建筑科技大学 信息与控制工程学院,西安 710055;2.清华大学建筑设计院有限公司,北京 100084)

0 引言

遥感图像的分割是图像分割领域中一项具有挑战的任务。遥感图像建筑物语义分割在国防安全、国土资源管理和土地规划等方面有着重要的研究意义和应用价值。

遥感图像建筑物分割的实质是通过提取有效的图像特征,建立输入图像与输出建筑物特征之间的映射关系。传统遥感图像分割方法[1-4]通过在特征空间的基础上利用数学方法建立分割又模型,常用传统方法有基于边缘的分割方法、基于阈值的分割方法和基于区域的分割方法等。Li等[1]提出一种利用嵌入置信度的边缘检测器检测边缘信息,来提升对弱边界的分割并有效减少遥感图像建筑物的过度分割。Wang等[2]提出了一种基于多尺度特征区域融合和空间规则归纳的图像特征提取方法,提升高空间分辨率遥感图像分割精度。Deng等[3]提出了一种利用图像的灰度直方图确定阈值范围的方法处理图像,获取遥感图像分割结果。传统方法分割遥感图像过程中特征表达通常通过人工设计,对图像表达多数为低层次特征,受多阈值选择限制、图像边界信息不连续和遥感图像空间关系应用较少等因素影响较大。

近年来,利用深度学习算法实现建筑物自动分割得到广泛关注。与传统方法相比,深度学习算法[5-14]可以有效克服人工目视解译,人工劳动成本高和效率低等问题,针对具体的遥感图像分割问题自主学习合适的图像特征,自动建立图像到分割目标间的映射关系。……

登录APP查看全文

猜你喜欢

特征融合模型
一半模型
村企党建联建融合共赢
融合菜
从创新出发,与高考数列相遇、融合
《融合》
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
线性代数的应用特征