面向高分辨率遥感图像的分割模型研究*

0     引言

无人驾驶飞机简称“无人机”（Unmanned Aerial Vehicle, UAV），是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。与载人飞行器相比，它的造价通常较低，同时具有环境适应性强等优势。搭载光电视觉系统的无人机可按需求灵活地获取、存储及传递信息［1］。为了从整体上提升无人机的态势感知和信息处理速度，需要通过人工智能技术提升其对获取的遥感图像的自动处理能力。

人工智能技术作为计算机科学的一个分支，近些年在计算机视觉、自然语言处理、语音识别、机器人学以及知识工程等领域均取得了重大突破，这在很多方面得益于深度学习技术的发展。相比于传统的方法，深度学习方法对计算机视觉中的图像分类、目标识别和语义分割具有更好的效果，从而为无人机实现任务自主智能提供了基础。

无人机或地面系统的任务自主智能主要体现在如何高效、快速、精确地获取遥感图像中的关键信息。图像分割技术为遥感图像内容识别和分析提供了有效途径。遥感图像分割技术旨在根据实际语义信息给遥感图像进行像素级分类，将其划分为一系列具有道路、桥梁、机场跑道、工业区等地物类别标签的区域［2］。无人机采集到的高分辨率遥感图像与自然图像相比，具有场景复杂、光谱异质性高、图像遮挡严重、伪影复杂等特点，对分割算法的性能要求更高。

本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005732

作者信息：

刘姝妍，何柳，陶剑，卓雨东，王浩东

（中国航空综合技术研究所，北京100028）