基于U-net卷积神经网络的多尺度遥感图像分割算法

摘要：

多尺度遥感图像的非本质特征量较大,不仅易导致图像噪声较大,也增加了图像分割的难度.为充分保留分割后多尺度遥感图像的边缘特征,在U-net卷积神经网络下提出新的图像分割算法.以U-net卷积神经网络为基网,提取被分割图像特征,获得被分割图像细节信息;计算相邻像素和原始像素特征向量的欧氏距离,结合去噪算法,通过归一化参数处理,建立相似性函数,实现对多尺度遥感图像分割特征增强处理;计算分割框候选偏差值;根据U-net卷积神经网络结构确定局部最优合并区域对;计算度量区域的距离,使用全局最优区域合并方法更新分割时间复杂度,实现多尺度遥感图像整体分割.由实验结果可知,该算法能够精准确定指定建筑物位置,并保留建筑物完整边缘细节信息.

关键词：U-net卷积神经网络、特征提取、相邻像素、相似性函数、分割框候选偏差、多尺度、遥感图像、分割

所属期刊栏目：46

分类号：TN911.73-34;TP391.4

在线出版日期：2023-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：44-47