刘艳飞，丁乐乐，孟凡效

(天津市勘察设计院集团有限公司，天津 300000)

0 引言

随着高分辨率遥感卫星的成功发射，高分辨率遥感影像已经成为对地精细观测的重要数据来源，为地理国情普查、数字城市建设、精细农业等科学和生产领域提供了数据支撑。然而，高分辨率遥感影像所具有的可用光谱波段少、影像信息高度细节化、“异物同谱，同物异谱”等特点为高分辨率遥感影像的分类识别带来了困难和挑战。针对高分辨率遥感影像语义分割任务，国内外学者展开了系列研究，并形成了基于空间结构特征的分割方法[1-3]、面向对象的分割方法[4-6]、基于空间上下文的分割方法[7]和基于深度学习的分割方法[8-12]。

基于空间结构特征的方法挖掘像元和邻域像元的空间模式，提取各种形式的空间结构特征。如何挖掘影像的空间信息，获取描述地物目标的特征是该方法的关键，常用的空间结构特征主要有纹理特征和几何特征。如Zhao等[13]利用高斯马尔可夫随机场提取纹理特征用于高分影像语义分割，Huang等[14]基于加权均值、长宽比和标准差等统计几何信息构建空间结构特征用于像素表达。面向对象的分类方法将无监督分割和语义分割结合，不再将单一像元作为特征提取和分割的研究单元，通过无监督分割获得同质性区域，然后从同质性区域中提取特征并用于同质性区域的语义分割。如许高程等[15]通过多尺度分割在SPOT 5卫星影像上获取不同空间尺度结构下海域使用的地物斑块，并从分割对象中提取光谱、形状和语义特征，建立分类规则集，实现池塘养殖用海域的信息提取。……