典型文献
基于深度学习的土地覆盖遥感图像分割方法
文献摘要：
文章提出一种基于深度学习的遥感图像语义分割方法,用于分割不同类别的土地区域.构建以编解码结构为主干的遥感图像语义分割模型,利用通道注意力机制来强化对分割任务有效的特征,提升分类精度;提出基于残差学习框架的多尺度特征融合算法,使得低层特征的局部细节信息和高层特征的语义信息互补,实现遥感图像的精细化分割.以中国南方某地区为例,采用文中提出的语义分割模型,实现了地表覆盖分类自动化,达到90.88％ 的分割准确率.实验结果表明:除水体分割外,该模型对其他类别的分割均优于原始U-Net,尤其是对道路和建筑的分割,精度提升明显;具有较高的分割准确率和较好的泛化能力,能够用于土地覆盖感遥感图像分割.
文献关键词：
遥感图像;语义分割;深度学习;土地覆盖分类
中图分类号：
作者姓名：
刘明威;方静;詹曙
作者机构：
合肥工业大学 计算机与信息学院,安徽 合肥 230601;安徽省六安市金安区生态环境分局,安徽 六安 237005
文献出处：
引用格式：
[1]刘明威;方静;詹曙-.基于深度学习的土地覆盖遥感图像分割方法)[J].合肥工业大学学报（自然科学版）,2022(06):753-759
A类：
B类：
遥感图像分割,分割方法,遥感图像语义分割,编解码结构,分割模型,通道注意力机制,分类精度,残差学习,多尺度特征融合,融合算法,低层,局部细节信息,语义信息,信息互补,中国南方,某地区,地表覆盖分类,除水,Net,精度提升,泛化能力,够用,土地覆盖分类
AB值：
0.307656
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
