基于多尺度特征模糊卷积神经网络的遥感图像分割

摘要

为解决高分辨率遥感图像“同谱异物、同物异谱”的不确定性以及大量空间信息利用率低的问题，提出一种基于多尺度特征的模糊卷积神经网络模型。该模型在长跳跃连接部分加入模糊学习模块去除噪声特征，缓解类别间的不确定性；利用多孔空间金字塔池化融合多尺度特征，提取完备的空间上下文信息，提升分割性能。试验结果表明，该模型在Potsdam数据集和Vaihingen数据集上的整体准确度分别达到92.65%和93.19%,明显优于现有流行的深度学习模型，能够显著提升高分辨率遥感图像的语义分割性能。

关键词

模糊学习 / 多孔空间金字塔池化 / 多尺度特征 / 编码器-解码器 / 卷积神经网络