典型文献
基于语义和边缘特征融合的高分辨率遥感影像水体提取方法
文献摘要：
利用卷积神经网络从遥感影像中提取水体时,水体对象边缘像素的特征与内部像素的特征之间往往存在较大差异,导致提取结果中边界模糊、内部像素与边缘像素的提取精度差异较大,影响了整体精度的提高.针对如何从高分辨率遥感影像中进行水体高精度、自动化提取的问题,文章首先以高分辨率遥感图像为基础,利用边缘提取算法生成边缘图像,然后以高分辨率遥感图像和边缘图像作为输入,建立了语义特征和边缘特征融合的高分辨率遥感图像水体提取模型(Semantic Feature and Edge Feature Fusion Network,SEF-Net),用于从高分辨率遥感图像中提取水体对象.实验结果表明,SEF-Net模型在3个数据集中的召回率(91.97％、92.07％、93.97％),精确率(91.12％、98.37％、97.88％),准确率(89.56％、95.07％、94.06％)和F1分数(91.54％、95.12％、95.88％)均优于对比模型,说明SEF-Net模型从高分辨率遥感图像中提取水体时,具有更高的精度和泛化能力.
文献关键词：
卷积神经网络;高分辨率遥感影像;语义特征;边缘特征;水体提取
中图分类号：
作者姓名：
尹昊;张景涵;张承明;钱永兰;韩颖娟;葛瑶;帅丽华;刘铭
作者机构：
山东农业大学,山东泰安271018;国家气象中心,北京100081;中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室,银川750002
文献出处：
引用格式：
[1]尹昊;张景涵;张承明;钱永兰;韩颖娟;葛瑶;帅丽华;刘铭-.基于语义和边缘特征融合的高分辨率遥感影像水体提取方法)[J].热带地理,2022(05):854-866
A类：
边缘特征融合
B类：
高分辨率遥感影像,水体提取,取水,像素,边界模糊,整体精度,自动化提取,先以,高分辨率遥感图像,边缘提取,边缘图,语义特征,提取模型,Semantic,Feature,Edge,Fusion,Network,SEF,召回率,精确率,对比模型,泛化能力
AB值：
0.198968
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。
