《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計應(yīng)用 > 面向高分辨率遙感圖像的分割模型研究*
面向高分辨率遙感圖像的分割模型研究*
網(wǎng)絡(luò)安全與數(shù)據(jù)治理 10期
劉姝妍，何 柳，陶 劍，卓雨東，王浩東
（中國航空綜合技術(shù)研究所，北京100028）
摘要： 高分辨率遙感影像往往蘊(yùn)含著豐富的地物信息、復(fù)雜的拓?fù)潢P(guān)系和多變的目標(biāo)對象，給復(fù)雜環(huán)境下情報識別與分析帶來了挑戰(zhàn)。為了高效、快速、精確地獲取到遙感圖像中的關(guān)鍵信息，在主流圖像分割的編碼-解碼模式的基礎(chǔ)上，提出了一種全新的遙感圖像分割方法，內(nèi)部引入了多種注意力機(jī)制以及多尺度的特征表示結(jié)構(gòu)，增強(qiáng)了對遙感圖像的解譯能力，提升了最終的目標(biāo)分割效果。在公開數(shù)據(jù)集上的實驗表明，所提方案可以在保持低參數(shù)量的情況下，明顯優(yōu)于其余基線方法。
中圖分類號：TP751
文獻(xiàn)標(biāo)識碼：A
DOI:10.19358/j.issn.2097-1788.2023.10.002
引用格式：劉姝妍，何柳，陶劍，等.面向高分辨率遙感圖像的分割模型研究［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2023，42（10）：8-15.
Research on highresolution remote sensing image segmentation model
Liu Shuyan，He Liu，Tao Jian，Zhuo Yudong，Wang Haodong
(China AeroPolytechnology Establishment, Beijing 100028, China)
Abstract： Highresolution remote sensing images often contain rich ground object information, complex topological relationships, and variable targets, which bring challenges to the intelligence acquisition of missions. In order to efficiently, quickly and accurately obtain key information in remote sensing images, this paper proposes an innovative method for remote sensing image segmentation based on the encodingdecoding mode of mainstream image segmentation, which introduces a variety of attention mechanisms and multiscale feature representation structures to enhance the interpretation ability of remote sensing images and improve the final target segmentation effect. Experiments on public datasets show that the proposed scheme can significantly outperform other baseline methods while maintaining low parameter count.
Key words : high resolution remote sensing image; image semantic segmentation; attention mechanism

0     引言

無人駕駛飛機(jī)簡稱“無人機(jī)”（Unmanned Aerial Vehicle, UAV），是利用無線電遙控設(shè)備和自備的程序控制裝置操縱的不載人飛行器。與載人飛行器相比，它的造價通常較低，同時具有環(huán)境適應(yīng)性強(qiáng)等優(yōu)勢。搭載光電視覺系統(tǒng)的無人機(jī)可按需求靈活地獲取、存儲及傳遞信息［1］。為了從整體上提升無人機(jī)的態(tài)勢感知和信息處理速度，需要通過人工智能技術(shù)提升其對獲取的遙感圖像的自動處理能力。

人工智能技術(shù)作為計算機(jī)科學(xué)的一個分支，近些年在計算機(jī)視覺、自然語言處理、語音識別、機(jī)器人學(xué)以及知識工程等領(lǐng)域均取得了重大突破，這在很多方面得益于深度學(xué)習(xí)技術(shù)的發(fā)展。相比于傳統(tǒng)的方法，深度學(xué)習(xí)方法對計算機(jī)視覺中的圖像分類、目標(biāo)識別和語義分割具有更好的效果，從而為無人機(jī)實現(xiàn)任務(wù)自主智能提供了基礎(chǔ)。

無人機(jī)或地面系統(tǒng)的任務(wù)自主智能主要體現(xiàn)在如何高效、快速、精確地獲取遙感圖像中的關(guān)鍵信息。圖像分割技術(shù)為遙感圖像內(nèi)容識別和分析提供了有效途徑。遙感圖像分割技術(shù)旨在根據(jù)實際語義信息給遙感圖像進(jìn)行像素級分類，將其劃分為一系列具有道路、橋梁、機(jī)場跑道、工業(yè)區(qū)等地物類別標(biāo)簽的區(qū)域［2］。無人機(jī)采集到的高分辨率遙感圖像與自然圖像相比，具有場景復(fù)雜、光譜異質(zhì)性高、圖像遮擋嚴(yán)重、偽影復(fù)雜等特點，對分割算法的性能要求更高。




本文詳細(xì)內(nèi)容請下載：http://theprogrammingfactory.com/resource/share/2000005732




作者信息：

劉姝妍，何柳，陶劍，卓雨東，王浩東

（中國航空綜合技術(shù)研究所，北京100028）


微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。