基于DeepLabv3+语义分割模型的GF-2影像城市绿地提取

作者：刘文雅,岳安志,季珏,师卫华,邓孺孺,梁业恒,熊龙海

摘要：高效准确地提取城市绿地对国土规划建设意义重大,将深度学习语义分割算法应用于遥感图像分类是近年研究的新探索。提出一种基于DeepLabv3+深度学习语义分割网络的GF-2遥感影像城市绿地自动化提取架构,通过网络的多孔空间金字塔池化(atrous spatial pyramid pooling,ASPP)等模块,提取高层特征,并依托架构完成数据集创建,模型训练,城市绿地提取以及精度评估。研究表明,本文架构分类的总体精度达到91.02%,F值为0.86,优于最大似然法(maximum likelihood,ML)、支持向量机(support vector machine,SVM)和随机森林法(random forest,RF)3种传统方法及另外4种语义分割网络(PspNet,SegNet,U-Net和DeepLabv2),可以准确提取城市绿地,排除农田像元干扰;此外,对另一地区的提取试验也证实了本架构具有一定的迁移能力。所提出的GF-2遥感影像城市绿地自动化提取架构,可实现更精确、效率更高的城市绿地提取,为城市规划管理提供参考。

发文机构：中山大学地理科学与规划学院 空天地海一体化大数据应用技术国家工程实验室 中国科学院空天信息创新研究院 中国住房和城乡建设部城乡规划管理中心 广东省城市化与地理环境空间模拟重点实验室 广东省水环境遥感监测工程技术研究中心

关键词：城市绿地DeepLab深度学习语义分割GF-2urban green spaceDeepLabsemantic segmentationdeep learningGF-2

分类号： TP79[自动化与计算机技术—控制科学与工程][自动化与计算机技术—检测技术与自动化装置]