第七届青年地学论坛

语义分割是遥感图像处理的关键技术之一。基于像素的方法通常可以有效地提取详细信息和边缘，基于对象的方法可以保持每个地物类别的内部一致性。马尔科夫随机场 （MRF） 模型提供了一种统计方法，能够将像素和对象两种粒度的优势组合在一起。然而，目前基于MRF的方法仍然面临一个问题：如何确保不同粒度的优势相辅相成，同时劣势不会影响优势。为了解决这个问题，本文提出了一种新的多粒度边缘保留优化方法（MRF-MEO）。首先通过从对象到像素下采样的一系列粒度来表示图像。然后，在每个粒度上进行定义MRF模型。在向下采样过程中，通过定义每个粒度的边缘，本方法可以持续校正边缘，同时保持类内一致性。高分-2和SPOT5的实验证明了本方法的有效性。此外，本方法也可以作为深入学习的后处理步骤。帕维亚大学高光谱图像的实验说明了DeepLab v3+的例子。
 

多粒度、马尔科夫随机场、语义分割