基于密集连接全卷积神经网络的遥感影像水体全自动提取方法

作者：梁泽毓,吴艳兰,杨辉,姚雪东

摘要：针对常规遥感水体监测方法存在的易受人为主观因素影响、泛化能力弱、效率低、自动化程度较低的问题,提出利用深度学习实现遥感影像水体信息快速自动化提取的方法。通过引入DenseNet密集连接结构(dense block)构建水体提取深度学习全卷积神经网络,弥补了一般网络存在的浅层特征丢失问题,提高了网络对遥感影像中细小水体的敏感程度,实现了更优的水体提取效果。实验结果表明,该方法水体提取结果的像元精度达到96.3%,均交并比达到91.1%,斑块漏检率为0,水体边界长度和面积精度分别达到95.8%和98.5%,均高于传统NDWI法、光谱监督分类法、决策树方法。同时,该方法表现出所对比方法不具备的高效、自动化和泛化性优势,在遥感影像水体提取上有较强的应用价值。

发文机构：安徽大学资源与环境工程学院 安徽省地理信息智能技术工程研究中心 武汉大学资源与环境科学学院

关键词：遥感影像解译水体提取深度学习自动化泛化性remote sensing image interpretationwater extractiondeep learningautomationgeneralization

分类号： TP751[自动化与计算机技术—检测技术与自动化装置]TP753