基於卷積神經網路的遙感圖像養殖區自動劃分
摘要:卷積神經網路是目前計算機視覺領域廣泛應用的模型。我們在傳統卷積神經網路的基礎上,替換了全連接層,藉助高解析度圖像,對海水養殖區進行識別和標記,最終實現了模型對海水養殖區很好的識別,訓練速度也較為理想。該研究減少了了人工識別養殖區的時間,節約人力物力,並且對海洋養殖區的分布布局具有重要意義。
關鍵字:高解析度遙感圖像;特徵提取;全卷積神經網路;圖像語義分割
隨著科技發展,高解析度圖像解析度越來越高,圖像中所包含的信息更加豐富,如何準確高效處理利用這些信息愈來愈被人們關注。當今世紀,深度學習的迅速發展,成為人們處理這些信息的有力手段。
CNN網路是受自然視覺的啟發機制而產生,由於其網路結構,使其在計算機視覺方面處理效果相當出色。卷積神經網路藉助卷積核提取圖片特徵來進行訓練,本文藉助基於VGG19的全卷積神經網路,利用MATLAB將高分圖像進行切割,得到多幅訓練圖片。訓練完成後,全卷積神經網路會對測試圖片中像素進行分類,實現圖片的語義分割,這樣,就能對一張圖片的不同類別進行分類,從而達到目的。
1 原理與方法
1.1 VGG19+FCN網路結構
Vgg19模型也是一種CNN。VGG19網路層數非常深,卷積核大小為3x3,由卷積層、池化層、全連接層組成。VGG19模型結構圖如下: