计算机工程

作者：张永梅,付昊天,孙海燕,张睿,陈立潮,潘理虎

单位：1.北方工业大学 计算机学院,北京 100144; 2.太原科技大学 计算机科学与技术学院,太原 030024

关键词：多光谱图像,建筑物识别,全卷积神经网络,多尺度信息,训练集扩充

基金：国家自然科学基金(61371143);北方工业大学优势学科项目(XN044);太原科技大学博士科研启动基金(20162036)

多光谱图像的建筑物目标在不同尺度下具有不同特征,利用传统全卷积神经网络(FCN)进行识别时精度较低。为此,提出一种基于改进FCN的多光谱图像建筑物识别方法。通过旋转图像进行训练集扩充,从网络的第1层~第12层提取图像在4个旋转角度和不同尺度下的低层特征,将其归一化为同样尺寸的图像后提取更高层特征,以实现对多光谱图像建筑物的精确识别。实验结果表明,相比传统FCN方法,该方法能够提高识别的精确率与召回率。

来源：2019年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第1期