基于U-net的多时相高分遥感影像耕地语义分割研究
针对手工进行耕地语义分割存在耗时长、效率低下、分割结果严重依赖于工作人员的经验以及传统方法无法较好地满足耕地语义分割要求的问题,首次提出了一种基于U-net的多时相高分遥感影像耕地语义分割方法.首先对多时相高分遥感影像进行数据预处理,然后对其进行数据增强,接着构建U-net神经网络,使用训练集进行训练,并用测试集来测试神经网络的性能.结果 以人工标注的结果作为参考,在保持相同训练集和测试集的情况下,分别用FCN、SegNet和U-net做对照实验.实验结果表明,U-net的分割准确率高于FCN和SegNet,且对边缘分割得较为平整;U-net神经网络能够有效地实现耕地语义分割任务.
U-net、多时相、高分遥感影像、耕地语义分割、神经网络
TP391(计算技术、计算机技术)
国家自然科学基金31671586
2019-10-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
23-27