赵斐^{1, 2},
张文凯^{1, 3, 4,,},
闫志远^{1, 3, 4},
于泓峰^{1, 3, 4},
刁文辉^{1, 3, 4}
1.中国科学院大学 北京 100049
2.北京跟踪与通信技术研究所 ??北京 ??100094
3.中国科学院电子学研究所 北京 100190
4.中国科学院电子学研究所空间信息处理技术与应用院重点实验室 北京 100190
基金项目:国家自然科学基金(41701508)

详细信息

作者简介:赵斐：男，1974年生，高级工程师，研究方向为遥感图像目标检测
张文凯：男，1990年生，助理研究员，研究方向为图像集视觉总结，遥感图像分类
闫志远：女，1994年生，硕士，研究方向为遥感图像语义分割
于泓峰：男，1991年生，助理研究员，研究方向为遥感图像智能解译
刁文辉：男，1988年生，助理研究员，研究方向为遥感图像目标检测

通讯作者:张文凯　iecas_wenkai@yahoo.com

中图分类号:TP391.41

计量

文章访问数:6879
HTML全文浏览量:2485
PDF下载量:173
被引次数:0

出版历程

收稿日期:2019-01-17
修回日期:2019-04-08
网络出版日期:2019-04-20
刊出日期:2019-10-01

Multi-feature Map Pyramid Fusion Deep Network for Semantic Segmentation on Remote Sensing Data

Fei ZHAO^{1, 2},
Wenkai ZHANG^{1, 3, 4,,},
Zhiyuan YAN^{1, 3, 4},
Hongfeng YU^{1, 3, 4},
Wenhui DIAO^{1, 3, 4}
1. University of Chinese Academy of Sciences, Beijing 100049, China
2. Beijing Institute of Tracking and Telecommunications Technology, Beijing 100049, China
3. Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China
4. Key Laboratory of Spatial Information Processing and Application System Technology, Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China
Funds:The National Natural Science Foundation of China (41701508)


摘要
摘要:在遥感图像语义分割中，利用多元数据(如高程信息)进行辅助是一个研究重点。现有的基于多元数据的分割方法通常直接将多元数据作为模型的多特征输入，未能充分利用多元数据的多层次特征，此外，遥感图像中目标尺寸大小不一，对于一些中小型目标，如车辆、房屋等，难以做到精细化分割。针对以上问题，提出一种多特征图金字塔融合深度网络(MFPNet)，该模型利用光学遥感图像和高程数据作为输入，提取图像的多层次特征，然后针对不同层次的特征，分别引入金字塔池化结构，提取图像的多尺度特征，最后，设计了一种多层次、多尺度特征融合策略，综合利用多元数据的特征信息，实现遥感图像的精细化分割。基于Vaihingen数据集设计了相应的对比实验，实验结果证明了所提方法的有效性。
关键词:语义分割/
深度卷积神经网络/
特征图融合/
金字塔池化
Abstract:Utilizing multiple data (elevation information) to assist remote sensing image segmentation is an important research topic in recent years. However, the existing methods usually directly use multivariate data as the input of the model, which fails to make full use of the multi-level features. In addition, the target size varies in remote sensing images, for some small targets, such as vehicles, houses, etc., it is difficult to achieve detailed segmentation. Considering these problems, a Multi-Feature map Pyramid fusion deep Network (MFPNet) is proposed, which utilizes optical remote sensing images and elevation data as input to extract multi-level features from images. Then the pyramid pooling structure is introduced to extract the multi-scale features from different levels. Finally, a multi-level and multi-scale feature fusion strategy is designed, which utilizes comprehensively the feature information of multivariate data to achieve detailed segmentation of remote sensing images. Experiment results on the Vaihingen dataset demonstrate the effectiveness of the proposed method.
Key words:Semantic segmentation/
Deep Convolutional Neural Network(DCNN)/
Feature map fusion/
Pyramid pooling



PDF全文下载地址:

https://jeit.ac.cn/article/exportPdf?id=b98c565e-792c-4fae-9ada-eeace93dadce