基于 FCN-8 的 RGB 卫星影像土地利用与土地覆盖分割
计算机视觉与模式识别
2020-08-26 v1 机器学习
图像与视频处理
摘要
本文提出使用全卷积网络（FCN-8）将高分辨率 RGB 地表卫星影像语义分割为土地利用与土地覆盖（LULC）类别。具体而言，我们提出一种基于非重叠网格的方法，利用 vgg-16 权重训练全卷积网络（FCN-8），将卫星影像分割为四类（森林、建筑、农田和水体）。FCN-8 将编码器在低分辨率下学习到的判别性特征语义投影到高分辨率的像素空间，以获得稠密分类。我们使用高分二号（Gaofen-2）影像数据集对所提系统进行了实验，该数据集包含中国 60 多个不同城市的 150 幅影像。为进行比较，我们使用了可用的地面真实数据以及广泛使用的商业 GIS 软件 eCognition 分割的影像。采用所提出的非重叠网格方法，FCN-8 取得了显著优于 eCognition 软件的性能。我们的模型平均准确率为 91.0%，平均交并比（IoU）为 0.84。相比之下，eCognition 的平均准确率为 74.0%，IoU 为 0.60。本文还详细分析了在 LULC 边界处出现的误差。
引用
@article{arxiv.2008.10736,
title = {LULC Segmentation of RGB Satellite Image Using FCN-8},
author = {Abu Bakar Siddik Nayem and Anis Sarker and Ovi Paul and Amin Ali and Md. Ashraful Amin and AKM Mahbubur Rahman},
journal= {arXiv preprint arXiv:2008.10736},
year = {2020}
}
备注
Accepted paper at 3rd SLAAI-International Conference on Artificial Intelligence; 13 pages, 7 figures, 3 tables