采用改进全卷积网络的“高分一号”影像居民地提取

来源：电讯技术杂志2018年第2期北京时间：

作者：潘旭冉,杨帆,潘国峰

单位：(河北工业大学 电子信息工程学院 天津市电子材料与器件重点实验室，天津 300401;河北工业大学 电子信息工程学院a.天津市电子材料与器件重点实验室;b. 微电子研究所，天津 300401)

摘要：针对现有的高分辨率遥感图像居民地信息提取精度和效率不够高的问题，提出了一种基于改进全卷积网络的“高分一号”（GF-1）遥感影像居民地提取方法。首先，通过专业的目视解译制备大量居民地训练样本；然后，将预训练过的深度卷积神经网络进行全卷积网络的改造，并以具有多尺度卷积核的Inception模块代替由全连接层改造的卷积层，达到减小网络模型参数量、增加特征表达能力的目的；最后，用制作好的高分辨率遥感图像居民地数据集进行训练和验证，生成可直接进行居民地信息提取的全卷积网络。实验结果表明，基于改进全卷积网络的方法可以实现精确有效的居民地信息提取，Kappa系数超过94%。

关键词：“高分一号”卫星；高分辨率遥感图像；居民地信息提取；深度学习；全卷积网络；

基金资助：国家科技重大专项 (2009ZX02308-004);河北省高等学校科学研究项目(Z2014088)