基于U⁃net卷积神经网络的多尺度遥感图像分割算法.pdf
《基于U⁃net卷积神经网络的多尺度遥感图像分割算法.pdf》由会员分享,可在线阅读,更多相关《基于U⁃net卷积神经网络的多尺度遥感图像分割算法.pdf(4页珍藏版)》请在咨信网上搜索。
1、现代电子技术Modern Electronics Technique2023年11月1日第46卷第21期Nov.2023Vol.46 No.210 引 言图像分析的目的在于探讨图像所表达的意义,单一像素只能反映出图像中所有特定的对象以及它们之间的关系。由于现阶段航空、雷达和超高分辨卫星等高分图像在遥感研究中已经占据举足轻重的地位,因此,随着深度神经网络技术的发展,图像的自动提取逐渐成为了人们研究的一个热点,当前已经有较多优秀方法被提出,例 如:文 献 1提 出 一 种 基 于 HSI(Hue Saturation Intensity)和LAB(CIELAB)的图像分割方法,尽管在HSI与 LA
2、B两种方法下,分割效果得到一定程度优化,但是在耗时、可重复性与可控性上仍然很难满足现阶段需DOI:10.16652/j.issn.1004373x.2023.21.009引用格式:刘丹英,刘晓燕.基于Unet卷积神经网络的多尺度遥感图像分割算法J.现代电子技术,2023,46(21):4447.基于Unet卷积神经网络的多尺度遥感图像分割算法刘丹英,刘晓燕(昆明理工大学 信息工程与自动化学院,云南 昆明 650500)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Unet卷积神经网络下提出新的图像分割算法。
3、以Unet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Unet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:Unet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;分割中图分类号:TN911.7334;TP391.4
4、文献标识码:A 文章编号:1004373X(2023)21004404Multiscale remote sensing image segmentation algorithm based on Unet convolutional neural networkLIU Danying,LIU Xiaoyan(Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China)Abstract:The large amount of
5、 non essential features in multiscale remote sensing images not only easily leads to large image noise,but also increases the difficulty of image segmentation.In order to fully preserve the edge features of segmented multiscale remote sensing images,a new image segmentation algorithm based on Unet c
6、onvolutional neural network is proposed.The Unet convolutional neural network is used as the base network to extract the features of the segmented image and obtain the detailed information of the segmented image.The Euclidean distance between adjacent pixels and the original pixel feature vector is
7、calculated.In combination with a denoising algorithm,a similarity function is established by normalization parameter processing to achieve segmentation feature enhancement processing for multiscale remote sensing images.The segmentation frame candidate deviation value is calculated.The local optimal
8、 combination region pair is determined according to the U net convolutional neural network structure.The distance of the measurement region is calculated,and the segmentation time complexity is updated with the global optimal region merging method,so as to achieve the overall segmentation of multisc
9、ale remote sensing images.From the experimental results,it can be seen that the proposed algorithm can determine the location of a specified building accurately and preserve the full edge detail information of the building.Keywords:Unet convolutional neural network;feature extraction;adjacent pixels
10、;similarity function;segmentation frame candidate deviation;multi scale;remote sensing image;segmentation收稿日期:20230317 修回日期:202304114444第21期要;文献2提出基于深度学习的图像分割方法,该方法利用通道注意力对多尺度遥感图像进行分类,提高了多尺度遥感图像的分类精度,实现了多尺度遥感图像的精细化分割。由于遥感图像信息量大,导致分割耗费时间较长,图像分割效果难以显著提升。为此,选择在Unet卷积神经网络下分割多尺度遥感图像。1 图像信息提取Unet卷积神经网络对于提
11、高图像分割准确率具有重要意义。由于网络深度学习中每个特征都包含着线性与非线性两种不同的学习过程,因此,网络深度对获取表达能力强的特征量非常重要。但随着网络深度的增加,其渐变特性会逐渐减弱,进而影响系统的整体性能3。为此,采用 Unet卷积神经网络为基网,提取被分割图像细节信息,过程如图1所示。图1 图像分割特征提取过程因此,以Unet卷积神经网络为基本网络结构,可以更好地从图像中抽取出更多的细节信息。2 多尺度遥感图像分割的实现2.1 特征增强处理由于待分割图像目标尺寸不同,精准辨识不同尺寸目标是当前神经网络领域的一项基础性难题。Unet卷积神经网络中,底层特征往往语义不多但是能定位精确,而上
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 net 卷积 神经网络 尺度 遥感 图像 分割 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。