基于深度学习的遥感影像城市苫盖提取

来源：环境监测管理与技术杂志2025年第5期北京时间：

作者：孙建欣；孙中平；李成芳；郭文婷；孙浩；曹飞；张帅；

单位：生态环境部卫星环境应用中心；生态环境部卫星环境应用中心；生态环境部卫星环境应用中心；生态环境部卫星环境应用中心；生态环境部卫星环境应用中心；生态环境部卫星环境应用中心；生态环境部卫星环境应用中心；

摘要：基于高分一号（GF-1）和高分六号（GF-6）卫星高分辨率遥感影像，利用深度学习DeepLabv3+模型实现城市苫盖识别，并与U型网络（U-Net）、分割网络（Seg-Net）、金字塔场景解析网络（PSP-Net）等方法进行对比。结果表明：城市苫盖样本的最佳裁剪尺寸为256像素×256像素，裁剪方式为随机裁剪；DeepLabv3+模型对苫盖识别的准确率为9840%，召回率为9808%，交并比（IoU）为9654%，均优于U-Net、Seg-Net、PSP-Net等方法；采用同一台服务器进行测试，DeepLabv3+模型运行时间与其余3种方法在同一水平。

关键词：DeepLabv3+模型,神经网络,遥感影像,城市苫盖,

基金资助：国家重点研发计划基金资助项目（2021YFB3901103）