基于多尺度及DESTIN约束的高分遥感影像田块语义分割方法研究OA北大核心CSTPCD

[目的]本研究旨在改善基于深度学习的遥感影像田块语义分割中出现的区域不封闭、边缘不贴合、噪点问题,并进一步修正语义分割的识别错误。[方法]以安徽省阜南县、江苏省淮安市为研究地点,自建了农田田块数据集,引入考虑影像多尺度特征的尺度分割思想与基于物候学的DESTIN(delineation by fusing spatial and temporal information)分割算法,提出了基于多尺度及DESTIN约束的高分遥感影像农田田块语义分割方法。[结果]多尺度与DESTIN约束下基于深度模型的田块语义分割有效改善模型出现的区域不封闭、边缘不贴合、噪点和块状模糊等问题,一定程度修正了深度模型语义分割的错误识别,IoU指标在2个测试集上分别达到94.08%和90.79%,相较深度模型的遥感影像田块语义分割分别提高1.65%和2.32%,对研究区域的田块提取区域更完整、精度更高。[结论]多尺度及DESTIN约束进一步改善了田块语义分割问题,有助于提高高分遥感影像的田块识别精度。