传统的遥感影像语义分割利用影像的光谱特性,将具有相似值的像素进行归类,但无法区分具有不同光谱的同一类对象。针对这一问题,提出将邻域的色差信息和原始图像一起输入PSPNet网络中的方法。先将RGB变换到LAB空间,然后采用CIELAB公式计...传统的遥感影像语义分割利用影像的光谱特性,将具有相似值的像素进行归类,但无法区分具有不同光谱的同一类对象。针对这一问题,提出将邻域的色差信息和原始图像一起输入PSPNet网络中的方法。先将RGB变换到LAB空间,然后采用CIELAB公式计算出每一个像素与周围8个邻域像素的色差值,取平均值作为该像素的邻域色差值。在WHU building dataset和Massachusetts building dataset上使用PSPNet进行对比试验。结果显示,在两个数据集中平均交并比MIoU、准确度ACC和F1-score都有不同程度的提高。因此,融合邻域色差的方法能有效提高PSPNet分割精度。展开更多
文摘传统的遥感影像语义分割利用影像的光谱特性,将具有相似值的像素进行归类,但无法区分具有不同光谱的同一类对象。针对这一问题,提出将邻域的色差信息和原始图像一起输入PSPNet网络中的方法。先将RGB变换到LAB空间,然后采用CIELAB公式计算出每一个像素与周围8个邻域像素的色差值,取平均值作为该像素的邻域色差值。在WHU building dataset和Massachusetts building dataset上使用PSPNet进行对比试验。结果显示,在两个数据集中平均交并比MIoU、准确度ACC和F1-score都有不同程度的提高。因此,融合邻域色差的方法能有效提高PSPNet分割精度。
