基于自适应上下文聚合网络的双高遥感影像分类 |
| |
引用本文: | 胡鑫,王心宇,钟燕飞.基于自适应上下文聚合网络的双高遥感影像分类[J].测绘学报,2023(7):1175-1186. |
| |
作者姓名: | 胡鑫 王心宇 钟燕飞 |
| |
作者单位: | 1. 广州市城市规划勘测设计研究院;2. 武汉大学测绘遥感信息工程国家重点实验室;3. 武汉大学遥感信息工程学院 |
| |
摘 要: | 融合高光谱和高空间分辨率(双高)遥感的优势可以实现地物目标更为全面和精细的属性识别。然而,空间分辨率的显著提升使得双高影像中地物细节特征凸显出来,呈现出极高的空谱异质性,进而导致同物异谱现象大量发生,地物类内方差明显增大。基于此,本文提出一种局部-全局上下文信息自适应聚合的快速双高影像分类框架(adaptive context aggregation network, ACANet),通过编码-解码的全卷积网络架构顾及全局空谱信息,在编码器中构建局部到全局的长距离上下文感知模块缓解双高影像极大的类内方差,在解码器中构建自适应上下文聚合模块进一步实现局部和全局的上下文信息自适应聚合。本文方法在WHU-Hi双高影像分类基准数据集中取得了优异的分类性能,试验表明可以很好缓解双高影像极高空谱异质性对地物精细分类的影响。
|
关 键 词: | 高空间高光谱分辨率影像 地物精细分类 深度学习 上下文信息 |
|
|