一种用于遥感图像海陆分割的新型深度结构U-Net
图像与视频处理
2020-03-18 v1 计算机视觉与模式识别
摘要
海陆分割是遥感中许多关键应用的重要处理过程。由于海陆之间过渡复杂多样，遥感图像的有效海陆分割仍具挑战性。尽管已开发若干卷积神经网络（CNN）用于海陆分割，这些CNN的性能远未达到预期目标。本文提出一种用于复杂高密度遥感图像中逐像素海陆分割的新型深度神经网络结构——残差稠密U-Net（RDU-Net）。RDU-Net结合下采样与上采样路径以取得满意结果。在各下、上采样路径中，除卷积层外，还提出若干稠密连接的残差网络块以系统聚合多尺度上下文信息。每个稠密网络块包含多级卷积层、短程连接与恒等映射连接，促进网络中特征复用并充分利用原始图像的层次化特征。这些所提块具有一定数量的连接，其设计使层间反向传播距离更短，能在最小化计算成本的同时显著提升分割结果。我们在Google Earth与ISPRS两个真实数据集上进行了广泛实验，并将所提RDUNet与若干稠密网络变体进行比较。实验结果表明，RDUNet在海陆分割任务上优于其他最先进方法。
引用
@article{arxiv.2003.07784,
title = {A novel Deep Structure U-Net for Sea-Land Segmentation in Remote Sensing Images},
author = {Pourya Shamsolmoali and Masoumeh Zareapoor and Ruili Wang and Huiyu Zhou and Jie Yang},
journal= {arXiv preprint arXiv:2003.07784},
year = {2020}
}
备注
14 pages, 14 figures