基于U-net卷积神经网络的多尺度遥感图像分割算法 |
| |
引用本文: | 刘丹英,刘晓燕.基于U-net卷积神经网络的多尺度遥感图像分割算法[J].现代电子技术,2023(21):44-47. |
| |
作者姓名: | 刘丹英 刘晓燕 |
| |
作者单位: | 昆明理工大学信息工程与自动化学院 |
| |
摘 要: | 多尺度遥感图像的非本质特征量较大,不仅易导致图像噪声较大,也增加了图像分割的难度。为充分保留分割后多尺度遥感图像的边缘特征,在U-net卷积神经网络下提出新的图像分割算法。以U-net卷积神经网络为基网,提取被分割图像特征,获得被分割图像细节信息;计算相邻像素和原始像素特征向量的欧氏距离,结合去噪算法,通过归一化参数处理,建立相似性函数,实现对多尺度遥感图像分割特征增强处理;计算分割框候选偏差值;根据U-net卷积神经网络结构确定局部最优合并区域对;计算度量区域的距离,使用全局最优区域合并方法更新分割时间复杂度,实现多尺度遥感图像整体分割。由实验结果可知,该算法能够精准确定指定建筑物位置,并保留建筑物完整边缘细节信息。
|
关 键 词: | U-net卷积神经网络 特征提取 相邻像素 相似性函数 分割框候选偏差 多尺度 遥感图像 分割 |
|