杨甜甜，郭大波，孙 佳

(山西大学 物理电子工程学院，山西 太原 030006)

0 引 言

科学技术的发展使得我们能够获取到超高分辨率的光学遥感图像[1]，尤其是城区遥感图像，分类更为复杂. 如何在复杂的遥感图像中获取到对人们有用的信息已经成为了国土规划、 地理监测、 智慧城市等领域的热点问题. 图像语义分割是计算机视觉中最具挑战性的任务之一，其为图像中的每一个像素标注语义标签. 高分辨率遥感图像包含丰富的语义信息，相对于一般图像的语义分割而言，有待分割对象的距离变化较小和分割目标相对较少等有利因素，因而更便于在现有技术条件下进行针对性研究.

基于传统的计算机视觉图像语义分割方法有： 基于边缘的分割(边缘松弛法、 边界跟踪法等)、 基于阈值的分割(阈值检测法、 最优阈值化等)、 基于区域的分割(分裂与归并、 分水岭分割等)[2]. 王宏胜等[3]利用一种改进的种子区域生长算法对农村地区房屋进行提取，结果表明，基于小区域种子提高了算法的抗噪能力，但需要人为进行多次阈值干预； 翟庆羽等[4]采用最优阈值分割法，在抑制其他地物信息的基础上精确分割出了水体细节部分，在遥感图像中的水体类分割方面具有很大的优势，但其泛化能力不够强. 这些传统的分割法只能提取到图像的纹理信息、 颜色、 形状等低层特征，且需人工提前设计特征，在消耗了大量的人力物力后得到的分割效果仍不理……