《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 设计应用 > 面向高分辨率遥感图像的分割模型研究*
面向高分辨率遥感图像的分割模型研究*
网络安全与数据治理 10期
刘姝妍，何 柳，陶 剑，卓雨东，王浩东
（中国航空综合技术研究所，北京100028）
摘要： 高分辨率遥感影像往往蕴含着丰富的地物信息、复杂的拓扑关系和多变的目标对象，给复杂环境下情报识别与分析带来了挑战。为了高效、快速、精确地获取到遥感图像中的关键信息，在主流图像分割的编码-解码模式的基础上，提出了一种全新的遥感图像分割方法，内部引入了多种注意力机制以及多尺度的特征表示结构，增强了对遥感图像的解译能力，提升了最终的目标分割效果。在公开数据集上的实验表明，所提方案可以在保持低参数量的情况下，明显优于其余基线方法。
中圖分類號(hào)：TP751
文獻(xiàn)標(biāo)識(shí)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(jià)通常較低，同時(shí)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(chǔ)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(dòng)處理能力。

人工智能技術(shù)作為計(jì)算機(jī)科學(xué)的一個(gè)分支，近些年在計(jì)算機(jī)視覺、自然語言處理、語音識(shí)別、機(jī)器人學(xué)以及知識(shí)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(jì)算機(jī)視覺中的圖像分類、目標(biāo)識(shí)別和語義分割具有更好的效果，從而為無人機(jī)實(shí)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(shí)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(shí)際語義信息給遙感圖像進(jìn)行像素級(jí)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(diǎn)，對分割算法的性能要求更高。




本文詳細(xì)內(nèi)容請下載：http://ihrv.cn/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。