山东大学学报(工学版)

作者：马翔悦,徐金东,倪梦莹

单位：1.烟台大学计算机与控制工程学院, 山东 烟台 264005;2.烟台大学物理与电子信息学院, 山东 烟台 264005

关键词：模糊学习,多孔空间金字塔池化,多尺度特征,编码器-解码器,卷积神经网络,

基金：国家自然科学基金面上资助项目(62072391);国家自然科学基金地区科学基金资助项目(62066013)

为解决高分辨率遥感图像“同谱异物、同物异谱”的不确定性以及大量空间信息利用率低的问题,提出一种基于多尺度特征的模糊卷积神经网络模型。该模型在长跳跃连接部分加入模糊学习模块去除噪声特征,缓解类别间的不确定性;利用多孔空间金字塔池化融合多尺度特征,提取完备的空间上下文信息,提升分割性能。试验结果表明,该模型在Potsdam数据集和Vaihingen数据集上的整体准确度分别达到92.65%和93.19%,明显优于现有流行的深度学习模型,能够显著提升高分辨率遥感图像的语义分割性能。

来源：2024年第3期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2024年第3期