融合全卷积网络与条件随机场的高光谱语义分割

针对高光谱遥感影像分割精度不足与单一网络信息流尺度存在局限性的问题，提出了基于双流框架的高光谱分割算法。算法融合深度学习模式中的全卷积神经网络(full convolutional networks, FCN)和高效判别式概率模型条件随机场(conditional random field, CRF),形成了高光谱影像语义分割算法FCN-CRF。在预处理阶段增加PCA(principal component analysis)降维，上采样阶段使用了混合上采样MUS(mix up-sampling)模块，形成了双流框架FCN-CRF分割算法。经过高光谱数据集Pavia University和Indian Pines测试，结果显示，相较于其他一些分割算法，FCN-CRF精度最高，总体精度分别达到了99.01%和98.60%,其参数量较少，运行效率较高。在不同地物类型中，该算法针对人工建筑物分割效果较植被好，边界保持较好。