基于卷积神经网络的高分辨率影像语义分割文献综述

文献综述

一、发展背景遥感技术是通过卫星成像从而对各种地物进行识别和检测的一种综合探测技术,被广泛应用于农业、气象学、地理学、城市规划和军事等领域。

随着遥感技术的快速发展,遥感影像的获取已不再是困难,卫星遥感是人们观察地表情况的重要手段，随着我国高分卫星观测能力的不断提升,高分辨率遥感影像数据量大幅增长,如何精确快速地提取地表建筑物等物体己经成为研究热点。

近年来随着深度学习,特别是深度卷积神经网络在自然图像处理领域中的巨大成功,也促使其拓展到遥感图像的解析和处理上,推动了包括语义分割在内的高分辨率遥感图像相关任务的发展。

遥感图像语义分割是遥感图像处理领域的重点研究问题之一,其主要内涵是在遥感图像分割过程中引入图像的高层语义信息,为遥感影像中的每个像素分配一个特定的语义标签，从而准确地标记出遥感图像中每个像素的类别。

高分辨率遥感图像记录了地物目标详细的形状、几何结构、纹理等特征信息，广泛应用于遥感的各个领域，例如，土地利用、海陆分割等。

本文主要是围绕基于卷积神经网络的高分辨率遥感图像语义分割的方法进行研究，并通过编程实现基于卷积神经网络的高分辨率影像语义分割算法，最后再验证并分析其验证精度。

二、国内外研究现状2.1 深度卷积神经网络研究现状卷积神经网络是深度学习领域中被广泛应用且十分经典的神经网络结构，其具有的权值共享、局部连接和池化操作等特点在一定程度上减少了网络训练的参数数目，降低模型复杂度，使网络模型在平移、缩放、扭转等方面具有不变性，因此也进一步增强了模型的健壮性与鲁棒性。

基于这些特性优势，卷积神经网络在大规模图像处理任务中的性能普遍优于标准的全连接网络。

最早的卷积神经网络是在九十年代初期由LeCun等人提出且成功应用在手写数字识别任务。