改进的遥感图像语义分割研究

熊风光，张 鑫，韩 燮，况立群，刘欢乐，贾炅昊

1.中北大学 计算机科学与技术学院，太原 030051

2.北方自动控制研究所 仿真装备研发部，太原 030051

随着遥感技术的不断发展，遥感图像中所蕴含的语义信息也越来越丰富，因此如何针对遥感图像进行语义分割，快速而准确地提取出重要的语义信息，并进行后期应用和开发，是一件非常重要的研究课题。遥感图像的语义分割有着广泛的应用范围，涉及城市规划、地质灾害防治、军事战争模拟等[1]。尤其是在军事战争模拟方面，从遥感图像中分割出的语义信息，对于真实战场地形的快速生成、环境的快速搭建有着极其重要的作用[2]。

相较传统的基于边缘检测[3]、阈值[4]、区域[5]的影像分割算法，基于深度学习的语义分割，利用深度神经网络强大的特征学习能力来解决复杂的遥感图像分割问题，更能满足今天遥感图像中语义分割的要求。但当前主流的深度卷积神经网络的语义分割方法，往往存在着对小物体的特征获取困难、分割精度不足的问题。为此，本文提出一种改进的Deeplabv3[6]算法，以优化对小物体的分割效果为目标，从改变单一的上采样结构、降低ASPP模块过大的感受野出发，构建出更加适合遥感图像语义分割的网络模型，从而解决小物体分割困难、分割精度不高等问题。

1 相关工作

对于遥感图像语义分割来说，当前一般分为传统图形学算法和基于深度学习的算法两大类。传统的语义分割算法包括基于边缘检测的影像分割算法、基于阈值的影像分割算法和基于区域的影像分割算法。……