基于深度学习光谱特征提取的城市遥感地物目标分割方法

来源：计算机测量与控制杂志2026年第1期北京时间：

作者：徐颖慧,刘锋华

摘要：城市遥感影像复杂背景多重语义,通过简单的形态学运算难以获取细微信息,只能获取地物目标表层特征,目标分割的像素易错乱,导致分割结果不理想。为此,提出基于深度学习光谱特征提取的城市遥感地物目标分割方法。利用高通滤波器和低通滤波器,对城市遥感图像中每个像元对应的光谱向量进行一维小波分解,应用指数函数对分解后的光谱向量进行非线性增强,凸显图像中微小光谱特征的变化。以堆栈自动编码机为基础,构建深度学习特征提取模型,将增强后的遥感图像输入模型中,即可输出图像深层次光谱特征。运用模糊C均值聚类算法,按照相似度对城市遥感图像中的所有特征像元进行划分,得到遥感地物目标初步分割结果。根据初步分割结果确定一个初始种子点,通过自适应区域生长完成地物目标的二次分割,得到修正后的分割结果。实验结果表明:面向简单背景的城市遥感图像,该方法分割结果MIoU值保持在0.55以上,而遇到复杂背景的遥感图像,其分割结果MIoU值也超过了0.5,极大提升了遥感图像分割处理质量。

关键词：深度学习;堆栈自动编码机;光谱特征;遥感图像;城市地物;分割;

基金资助：江西省教育厅科学技术研究项目:基于职业画像的高校智能就业管理系统的研究(项目编号:GJJ218201)