基于優(yōu)化的ICNet高分遙感影像城市建成區(qū)分類

夏國靜，黃 凱，鄭慶雅，夏 萍,3*，田 波,3，周 婷,3，牛鑫鑫

基于優(yōu)化的ICNet高分遙感影像城市建成區(qū)分類

夏國靜1，黃 凱1，鄭慶雅2，夏 萍1,3*，田 波1,3，周 婷1,3，牛鑫鑫1

(1. 安徽農(nóng)業(yè)大學(xué)工學(xué)院，合肥 230036；2. 安徽工程大學(xué)人工智能學(xué)院，蕪湖 241000;3. 安徽省智能農(nóng)機(jī)裝備工程實(shí)驗(yàn)室，合肥 230036)

城市建成區(qū)是一類具有大面積的組合型目標(biāo)群體，該區(qū)域地物豐富，光譜特征復(fù)雜多變，且具有大量的同物異譜與地物像素單元交錯等現(xiàn)象，影像分類難度顯著增加。針對圖像級聯(lián)網(wǎng)絡(luò)（image cascade network，ICNet）計(jì)算復(fù)雜、分類精度低的問題，采用優(yōu)化的ICNet對高分辨率遙感影像城市建城區(qū)地物分類進(jìn)行研究，通過添加高效通道注意力機(jī)制（efficient channel attention，ECA）和聯(lián)合金字塔上采樣模塊（joint pyramid upsampling，JPU）替換空洞卷積來獲得ICNet改進(jìn)網(wǎng)絡(luò)，采用總體分類精度（overall accuracy，OA）、Kappa系數(shù)與F13個指標(biāo)對分類結(jié)果進(jìn)行精度評估，并與隨機(jī)森林（random forest，RF）、ENet和ICNet3種方法進(jìn)行對比分析。結(jié)果表明，優(yōu)化的ICNet網(wǎng)絡(luò)模型能夠更準(zhǔn)確的進(jìn)行地物分類，總體分類精度為75.12%，相較于其他分類方法分別提高16.56%、10.48%和4.81%。后用開源數(shù)據(jù)集進(jìn)一步驗(yàn)證了優(yōu)化模型的有效性，說明優(yōu)化的ICNet網(wǎng)絡(luò)可用于城市建成區(qū)的分類研究。

卷積神經(jīng)網(wǎng)絡(luò)；ICNet語義分割模型；分類；高分遙感影像；城市建成區(qū)

近年來，隨著衛(wèi)星和航空遙感技術(shù)領(lǐng)域的快速發(fā)展，遙感影像的分辨率也隨之提升[1-2]。目前，遙感影像已廣泛應(yīng)用于場景分類、農(nóng)業(yè)災(zāi)害監(jiān)測、城市規(guī)劃、礦物業(yè)等方面。傳統(tǒng)的遙感影像分類方法主要有支持向量機(jī)（support vector machine，SVM）、最大似然法（maximum likelihood，ML）、最小距離法（minimum distance，MDC）、隨機(jī)森林（random forest，RF）等，這些方法簡單易學(xué)，可有效分類遙感影像，但對于“同物異譜”、“異物同譜”現(xiàn)象的識別效果相對較差、分類準(zhǔn)確度不高[3-4]。……