10.19678/j.issn.1000-3428.0049109
一种基于改进FCN的多光谱图像建筑物识别方法
多光谱图像的建筑物目标在不同尺度下具有不同特征,利用传统全卷积神经网络(FCN)进行识别时精度较低.为此,提出一种基于改进FCN的多光谱图像建筑物识别方法.通过旋转图像进行训练集扩充,从网络的第1层~第12层提取图像在4个旋转角度和不同尺度下的低层特征,将其归一化为同样尺寸的图像后提取更高层特征,以实现对多光谱图像建筑物的精确识别.实验结果表明,相比传统FCN方法,该方法能够提高识别的精确率与召回率.
多光谱图像、建筑物识别、全卷积神经网络、多尺度信息、训练集扩充
45
TP183(自动化基础理论)
国家自然科学基金61371143;北方工业大学优势学科项目XN044;太原科技大学博士科研启动基金20162036
2019-07-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
239-245