来源：期刊VIP网 时间：
作者：蔡宏超;龚建华;张友松;王建茹;胡卫东;
单位：天津城建大学地质与测绘学院;浙江中科空间信息技术应用研发中心;中国科学院空天信息创新研究院;浙江省海洋与渔业执法总队;
摘要：针对遥感影像水体分割算法在应对细小水系繁多、水环境复杂的情况时分割准确率低，以及易混淆地物、错分率高等问题，设计了一种改进的U-Net模型。首先，设计并建立改进的U-Net模型，通过对原始图像增加上采样部分，使该模型形成上下对称的结构；同时，采用S形循环，通过增加神经网络的中间层层数，保留更多的图像特征。其次，对于改进模型的深度进行调整，即一次上下采样和两次上下采样，文章据此提出两种不同的网络结构，并对比分析二者的分割精度。实验证明，OSUNet-V2模型(两次上下采样)精度更高、效果更佳，相较于U-Net,精度提高1.28%,交并比提高2.19%,对地物的分辨能力及抗易混淆地物的干扰能力高于U-Net,可以为城市水体分布情况的快速获取提供数据参考和支撑。
关键词：深度学习;;水体提取;;高分辨率遥感影像;;特征提取;;U-Net
基金资助：中国科学院空天信息创新研究院前沿科学与颠覆性技术研究先导基金(E0Z21101)
