卷积神经网络滑窗识别结合语义推理的城市功能区分类

摘要：

目前基于遥感图像的城市功能区分类方法通常采用光谱特征解译、兴趣点数据辅助、评价策略优化等方式,依赖大量人工操作,并借助遥感图像外的其他信息源.为了解决以上问题,提出利用卷积神经网络进行滑窗识别,提取图像语义标签,结合语义推理机制实现城市功能区分类的滑窗-推理方法.首先,建立两级城市功能区分类,以二级城市功能区为标识标注训练样本,并以此训练卷积神经网络作为识别器;然后,设计有重叠的滑窗识别模式,使用识别器辨识滑窗区域内图像块的二级城市功能区类型;最后,提出一个带权重的打分机制,作为语义推理方式,语义推理对象为全部识别结果,确定各图像块的一级城市功能区类型,实现遥感图像城市功能区分类.实验使用模拟图像和高分辨率遥感图像,两种图像的总分类精度分别可达94.50％、92.04％.滑窗-推理方法旨在通过语义推理处理滑窗识别产生的多语义标签,根据多语义标签确定对象的真实城市功能区.实验结果表明,所提方法无需辅助信息,直接利用遥感图像进行城市功能区分类是可行和有效的.

关键词：城市功能区、图像分类、卷积神经网络、滑窗识别、语义推理、投票机制

所属期刊栏目：48

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金;辽宁省教育厅重点项目;辽宁省教育厅科学研究经费项目

在线出版日期：2023-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：950-959