基于SegNet语义模型的高分辨率遥感影像农村建设用地提取

S127; 针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像World View-2为数据源,利用182064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神经网络的SegNet图像语义分割算法对遥感影像中的农村建筑物进行提取,并与传统分类算法中的最大似然法(maximum likelihood,ML)和ISO聚类、浅层学习算法中的支持向量机(support vector machine,SVM)和随机森林(random forest,RF)以及深层语义分割算法中的金字塔场景解析网络(pyramid s...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 35; no. 5; pp. 251 - 258
Main Authors 杨建宇, 周振旭, 杜贞容, 许全全, 尹航, 刘瑞
Format Journal Article
LanguageChinese
Published 国土资源部农用地质量与监控重点实验室,北京 100035%中国农业大学土地科学与技术学院,北京,100083 01.03.2019
中国农业大学土地科学与技术学院,北京 100083
Subjects
算法
深度学习
高空间分辨率遥感影像
图像分割
农村建设用地提取
遥感
SegNet语义分割模型
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2019.05.031

Cover

Abstract S127; 针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像World View-2为数据源,利用182064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神经网络的SegNet图像语义分割算法对遥感影像中的农村建筑物进行提取,并与传统分类算法中的最大似然法(maximum likelihood,ML)和ISO聚类、浅层学习算法中的支持向量机(support vector machine,SVM)和随机森林(random forest,RF)以及深层语义分割算法中的金字塔场景解析网络(pyramid scene parsing network,PSPNet)的试验结果作对比分析.研究结果表明:SegNet不仅能够高效利用高空间分辨率遥感影像中农村建筑物的光谱信息而且还能够充分利用其丰富的空间特征信息,最终形成较好的分类模型,该算法在验证样本中的分类总体精度为96.61％,Kappa系数为0.90,建筑物的F1值为0.91,其余5种分类算法的总体精度、Kappa系数、建筑物的F1值都分别在94.68％、0.83、0.87以下.该研究可以为高空间分辨率遥感影像农村建设用地提取研究提供参考.
AbstractList S127; 针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像World View-2为数据源,利用182064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神经网络的SegNet图像语义分割算法对遥感影像中的农村建筑物进行提取,并与传统分类算法中的最大似然法(maximum likelihood,ML)和ISO聚类、浅层学习算法中的支持向量机(support vector machine,SVM)和随机森林(random forest,RF)以及深层语义分割算法中的金字塔场景解析网络(pyramid scene parsing network,PSPNet)的试验结果作对比分析.研究结果表明:SegNet不仅能够高效利用高空间分辨率遥感影像中农村建筑物的光谱信息而且还能够充分利用其丰富的空间特征信息,最终形成较好的分类模型,该算法在验证样本中的分类总体精度为96.61％,Kappa系数为0.90,建筑物的F1值为0.91,其余5种分类算法的总体精度、Kappa系数、建筑物的F1值都分别在94.68％、0.83、0.87以下.该研究可以为高空间分辨率遥感影像农村建设用地提取研究提供参考.
Author 杜贞容
尹航
刘瑞
杨建宇
许全全
周振旭
AuthorAffiliation 中国农业大学土地科学与技术学院,北京 100083;国土资源部农用地质量与监控重点实验室,北京 100035%中国农业大学土地科学与技术学院,北京,100083
AuthorAffiliation_xml – name: 中国农业大学土地科学与技术学院,北京 100083;国土资源部农用地质量与监控重点实验室,北京 100035%中国农业大学土地科学与技术学院,北京,100083
Author_FL Du Zhenrong
Xu Quanquan
Liu Rui
Yin Hang
Yang Jianyu
Zhou Zhenxu
Author_FL_xml – sequence: 1
  fullname: Yang Jianyu
– sequence: 2
  fullname: Zhou Zhenxu
– sequence: 3
  fullname: Du Zhenrong
– sequence: 4
  fullname: Xu Quanquan
– sequence: 5
  fullname: Yin Hang
– sequence: 6
  fullname: Liu Rui
Author_xml – sequence: 1
  fullname: 杨建宇
– sequence: 2
  fullname: 周振旭
– sequence: 3
  fullname: 杜贞容
– sequence: 4
  fullname: 许全全
– sequence: 5
  fullname: 尹航
– sequence: 6
  fullname: 刘瑞
BookMark eNo9j01LAkEcxudgkJkfIzrt9v_Pzuy2x5DeSOpQnWV2nRElRmiL6hiJGYFbEBFhSYdAiN6OGflpnFW_RUbR5XngOfweflMkpataEjKDYCP6Hp-r2OUo0jYCUMudR9-mMA7gNjiYIun_fZJko6gcAEfHA2CYJmum3e13m5uytC73hq_P_Y-zpPNg7s8Ht7XR041p1Ie9zqB5Ojp-TGpt8_VuTmJTbyV3l-azO3zpDa46pvWWxBcmvp4mE0rsRDL71xmyvbS4lVux8hvLq7mFvBUhULRCJRRlQkjqFJkruVuklIcBVxJ5SL2ABT5Kj7pUAvhF32GeEowLwRl6KmTCyZDZX-6B0EroUqFS3d_V48eCPiqFh8GPPPCxuvMNZh9smQ
ClassificationCodes S127
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.11975/j.issn.1002-6819.2019.05.031
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Agriculture
DocumentTitle_FL Rural construction land extraction from high spatial resolution remote sensing image based on SegNet semantic segmentation model
EndPage 258
ExternalDocumentID nygcxb201905031
GrantInformation_xml – fundername: 国土资源部公益性行业科研专项
  funderid: (201511010-06)
GroupedDBID -04
2B.
4A8
5XA
5XE
92G
92I
93N
ABDBF
ABJNI
ACGFO
ACGFS
ACUHS
AEGXH
AIAGR
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CHDYS
CW9
EOJEC
FIJ
IPNFZ
OBODZ
PSX
RIG
TCJ
TGD
TUS
U1G
U5N
ID FETCH-LOGICAL-s1021-cfaf24aae23d46e56d225cb5fe15c27b4b91e7262e009d9347fa45aa5417fc4a3
ISSN 1002-6819
IngestDate Thu May 29 04:08:35 EDT 2025
IsPeerReviewed false
IsScholarly true
Issue 5
Keywords 算法
深度学习
高空间分辨率遥感影像
图像分割
农村建设用地提取
遥感
SegNet语义分割模型
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1021-cfaf24aae23d46e56d225cb5fe15c27b4b91e7262e009d9347fa45aa5417fc4a3
PageCount 8
ParticipantIDs wanfang_journals_nygcxb201905031
PublicationCentury 2000
PublicationDate 2019-03-01
PublicationDateYYYYMMDD 2019-03-01
PublicationDate_xml – month: 03
  year: 2019
  text: 2019-03-01
  day: 01
PublicationDecade 2010
PublicationTitle 农业工程学报
PublicationTitle_FL Transactions of the Chinese Society of Agricultural Engineering
PublicationYear 2019
Publisher 国土资源部农用地质量与监控重点实验室,北京 100035%中国农业大学土地科学与技术学院,北京,100083
中国农业大学土地科学与技术学院,北京 100083
Publisher_xml – name: 国土资源部农用地质量与监控重点实验室,北京 100035%中国农业大学土地科学与技术学院,北京,100083
– name: 中国农业大学土地科学与技术学院,北京 100083
SSID ssib051370041
ssj0041925
ssib001101065
ssib023167668
Score 2.411762
Snippet S127; 针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像World View-2为数据源,利用182064...
SourceID wanfang
SourceType Aggregation Database
StartPage 251
Title 基于SegNet语义模型的高分辨率遥感影像农村建设用地提取
URI https://d.wanfangdata.com.cn/periodical/nygcxb201905031
Volume 35
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVEBS
  databaseName: Academic Search Ultimate
  issn: 1002-6819
  databaseCode: ABDBF
  dateStart: 20140101
  customDbUrl: https://search.ebscohost.com/login.aspx?authtype=ip,shib&custid=s3936755&profile=ehost&defaultdb=asn
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://search.ebscohost.com/direct.asp?db=asn
  omitProxy: true
  ssIdentifier: ssj0041925
  providerName: EBSCOhost
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3La9RAGA91C6IH8YlvenBO0trJziQzx8kmS1HoxRZ6K0k2WU8rtFvQ3sRSFaFVEClSLR6Egvg6WrF_TbNt_wu_b2aaTR_4uoTkyzff6zeZ-SaZmTjOjTjOeSoSNiwyDwYoTMTwSMFgxU9yqFG0hWs3cbbFuDc2yW5P8amB2kpl1tJcNxlJ549cV_I_qAINcMVVsv-AbCkUCHAO-MIREIbjX2FMIk5kkwSKRAyPIrqbtcezLokEUU2iQk2XREgSeUQBkeoiEREBiXwioQgjkSQqIFLgLSGI8LB4ECE_8Ahg9pFHUKI4yoEioBSYg5AEWqCoE6EpUFY2kEeGROpbQaDNA9URykSlTEvmyBmMaoFNIkd1cTjxqulyRSY4ItBglOlrS3yUg45w9FR5WpSCW3uVyBpitFlDOBrS73y1HVSzQOEGRg0LgejwgBS0AcLCMHpGSiD7LMY_E0JuNeqT6lsVXMhVr75V0doDjKMJB4YVdHCNiof2YlwkxteKNLE4HERtGVIkooVg6HgJE_FAg-HhpfL3eEKNrov1w_iDjkFVUBgHQ1EMnkCtt4ExMZVMNW5S_WmYuNyqUeE-Tw4jBoJQcQlU6W3pgI8MpspYntIBjarQNUUahEoeSSRY7B5pJRCpzv0r_S52zJ6wvaftmM0-NrYB4tVe1u5RnNkrcXQuIH2ukwHUMFJqwOmcUu_Wa9OP_dutdx620wcJ8uBOSfSYM-hCvjBacwZVEAbN_lCD4tuUsi90cUcJrz9057SOP44op5vhZAuuZ15YM447ZM_IW78zUS8m7ORxp13JeydOO6fsgHVImdbnjDMwf--sc1K1Z-ymPdk5506xtrG1sWTanp0vn7a-P-utvy_ePd9-s7D7caV4urizub699GT30Yfewlrx81vxeLlYXO29fVn82Nj5vLn9ar1Y_dpbflEsvz7vTDajicbYsP1Jy_AsxeldaR7nLovjzK23mJdxD5p3niY8zyhPXT9hiaSZ73puBqO5lqwzP48Zj2POqJ-nLK5fcGqd-53sojOUpnWXJj6NOQeJfivhSR5DRub6ucdzKS85QzYU07YRnp0-ANflP7NccU70H_irTq07M5ddg4FFN7luMf4FD1jUwA
linkProvider EBSCOhost
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8ESegNet%E8%AF%AD%E4%B9%89%E6%A8%A1%E5%9E%8B%E7%9A%84%E9%AB%98%E5%88%86%E8%BE%A8%E7%8E%87%E9%81%A5%E6%84%9F%E5%BD%B1%E5%83%8F%E5%86%9C%E6%9D%91%E5%BB%BA%E8%AE%BE%E7%94%A8%E5%9C%B0%E6%8F%90%E5%8F%96&rft.jtitle=%E5%86%9C%E4%B8%9A%E5%B7%A5%E7%A8%8B%E5%AD%A6%E6%8A%A5&rft.au=%E6%9D%A8%E5%BB%BA%E5%AE%87&rft.au=%E5%91%A8%E6%8C%AF%E6%97%AD&rft.au=%E6%9D%9C%E8%B4%9E%E5%AE%B9&rft.au=%E8%AE%B8%E5%85%A8%E5%85%A8&rft.date=2019-03-01&rft.pub=%E5%9B%BD%E5%9C%9F%E8%B5%84%E6%BA%90%E9%83%A8%E5%86%9C%E7%94%A8%E5%9C%B0%E8%B4%A8%E9%87%8F%E4%B8%8E%E7%9B%91%E6%8E%A7%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4%2C%E5%8C%97%E4%BA%AC+100035%25%E4%B8%AD%E5%9B%BD%E5%86%9C%E4%B8%9A%E5%A4%A7%E5%AD%A6%E5%9C%9F%E5%9C%B0%E7%A7%91%E5%AD%A6%E4%B8%8E%E6%8A%80%E6%9C%AF%E5%AD%A6%E9%99%A2%2C%E5%8C%97%E4%BA%AC%2C100083&rft.issn=1002-6819&rft.volume=35&rft.issue=5&rft.spage=251&rft.epage=258&rft_id=info:doi/10.11975%2Fj.issn.1002-6819.2019.05.031&rft.externalDocID=nygcxb201905031
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fnygcxb%2Fnygcxb.jpg