结合场景分类数据的高分遥感图像语义分割方法

摘要

cqvip:深度语义分割模型作为解决图像像素级分类的重要方法,在遥感图像分类中的应用受到遥感像素级标记数据不足的制约,在有限数据的情况下训练后的网络难以有效提取遥感图像特征。为此,将具有图像级标记的遥感场景分类数据应用到语义分割模型训练中。利用遥感场景分类数据训练卷积神经网络模型,并以其为基础构建语义分割网络的特征提取部分,从而提高语义分割模型提取遥感图像特征的能力。在训练卷积神经网络的过程中,对训练数据基于后验概率进行类别映射与平衡,使其更贴近目标任务的遥感图像。实验结合场景分类数据集UC Merced Landuse训练语义分割模型,在高分辨率遥感数据集Potsdam上获得了89.50%的总体分类准确率,证明该方法提高了语义分割模型在遥感数据上的像素级分类效果。