典型文献
基于改进U-Net网络的复杂背景下冰川遥感图像检测方法
文献摘要：
由于山体坡度、光照角度、传感器成像角度等因素,遥感图像中的山体阴影影响了冰川识别的精度.现有方法一般是先去除阴影再进行冰川识别,既繁琐又可能破坏图像的光谱信息.本文在U-Net框架中集成金字塔池化模块以增强多尺度特征提取能力,提出了 一种U-PSP-Net结构的卷积神经网络,可以实现阴影区冰川识别.在自制的含阴影冰川数据集上进行验证,与PSP-Net、SegNet和U-Net的性能比较表明,提出的U-PSP-Net的平均像素精度为95.84％,平均交并比(IoU)为 92.79％.与 U-Net 相比,分别提升了 0.61％和 0.92％;与 PSP-Net 和SegNet相比分别提高了 1.41％、2.54％和2.85％、2.86％.以上结果证明了神经网络结构在含阴影遥感影像中识别冰川的可行性和有效性.
文献关键词：
遥感图像;U-Net;PSP-Net;卷积神经网络;语义分割;冰川;阴影
中图分类号：
作者姓名：
张大奇;范慧颖;康宝生;高健;李铁键
作者机构：
青海大学水利电力学院,青海西宁810016;西北大学信息科学与技术学院,陕西西安710127;清华大学水利水电工程系,北京100084
文献出处：
引用格式：
[1]张大奇;范慧颖;康宝生;高健;李铁键-.基于改进U-Net网络的复杂背景下冰川遥感图像检测方法)[J].应用基础与工程科学学报,2022(04):806-818
A类：
B类：
复杂背景,冰川,遥感图像检测,光照角度,山体阴影,先去,光谱信息,中集,金字塔池化模块,多尺度特征提取,特征提取能力,PSP,影区,SegNet,性能比较,像素,平均交并比,IoU,神经网络结构,遥感影像,语义分割
AB值：
0.283805
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。
