基于FD-RCF的高分辨率遥感影像耕地边缘检测

摘要

针对建立和更新田间图形数据库时,以高分辨率遥感影像为底图人工勾绘地块耗时费力这一问题,探索从边缘检测的角度实现对地块边缘的自动提取。在构建耕地地块边缘遥感影像数据集工作中,尝试深度学习边缘检测模型holistically-nested edge detection(HED)和richer convolutional features(RCF)的基础上,进一步改变模型特征融合方式,并采用空洞卷积结构,提出构建应用于遥感影像的边缘检测模型full dilated-RCF(FD-RCF),提取耕地地块边缘。实验表明,相关方法的精度评定F1值均能达到0.8以上。构建的FD-RCF模型表现最佳,其检测结果在ODS和OIS精度评定中F1值分别达到0.8481和0.8502,平均精度0.7957。比较而言,FD-RCF方法检测结果画面更加清晰,能够显著提高田间地形数据的更新效率。