封面故事|遥感助力海岛岸线精细提取
点击中国图象图形学报→主页右上角菜单栏→设为星标
图片来源网络
海岛是国家海陆兼备的重要海上疆土，具有丰富的资源和特殊的功能区位，在资源开发和国土安全方面发挥着重要作用。目前利用历史海图、地形图和实地调查等海岛岸线的提取方法，存在观测难度大，耗资多和时效性差等缺点。
空、天、地、底立体遥感观测网络为海岛研究提供了重要的数据资源，而深度学习方法因其对图像特征的提取能力和对复杂问题的拟合能力，被广泛应用于各个领域。
图1 由遥感影像到海岛岸线分割
图图推荐上海海洋大学王振华团队发表在《中国图象图形学报》2020年第4期的封面论文。论文面向海量的遥感影像观测数据，利用深度学习方法，对海岛岸线进行分割。
1
论文信息
论文标题：改进Deeplab网络的遥感影像海岛岸线分割
论文作者：王振华,钟元芾,何婉雯,曲念毅,徐利智,张文苹,刘智翔
作者单位：上海海洋大学信息学院
关键词：海岛岸线；图像分割；深度学习；最佳指数；Deeplab神经网络； 全连接条件随机场
全文链接：
2
研究方法
改进Deeplab网络的遥感影像海岛岸线分割模型，以遥感影像为源数据，以Deeplab网络为基础，结合最佳指数公式与概率图模型全连接条件随机场，实现海岛岸线的高精度实时分割，其模型结构如图2所示。
图2 改进Deeplab网络的遥感影像海岛岸线分割模型框架图
基于最佳指数选择用于海岛岸线分割的最佳波段组合，实现多波段遥感影像的降维；利用Deeplab网络实现遥感影像高维特征和多尺度信息的获取，实现海岛岸线的粗分割。将海岛岸线粗分割结果作为优化的初始边界，基于全连接条件随机场实现对海岛岸线的细分割。海岛岸线分割模型各步骤的结果如图3所示。
图3 海岛岸线分割各步骤结果图
3
数据集
论文所有数据均下载自地理空间数据云。实验数据为2015年1月1日至2019年1月1日间近海Landsat-8遥感影像，共20景，分辨率为30 m。基于目视解译方法自20景遥感影像中截取不同形状的海岛作为训练样本，共计截取了80景海岛遥感影像。
为了提高训练样本的多样性，降低训练过程中样本不足带来的欠拟合问题，增强模型的鲁棒性。论文将80景海岛遥感影像分别进行不同角度的旋转和翻转处理，扩充至400景，构成训练数据集。
图4所示为80景海岛遥感影像标记数据。
图4 80景海岛遥感影像标记数据
4
实验结果
为验证论文分割模型的可行性及有效性，截取大小不等的4个海岛为例，分别基于FCN模型，Deeplab模型，目视解译法和本文改进模型对海岛岸线进行了分割。在所构造的Landsat-8遥感影像海岛数据集上，本文模型的MIoU值达到了94.35%。实验结果如图5所示。
图5 基于不同分割模型的海岛边界分割结果对比
从图5可以看出：
FCN模型分割出的海岛岸线由一系列的离散点组成，岸线不清晰；且受遥感影像的质量影响，FCN模型分割结果存在小面积海岛的漏分割现象，如海岛3和海岛4分割结果所示海岛周边的小型岛礁未被分割；
Deeplab模型实现了小面积海岛岸线的正确分割，但海岛岸线存在过拟合现象；
本文模型以Deeplab网络的粗分割结果作为初始边界，通过全连接条件随机场对海岛岸线分割结果进行优化，细节纹理清晰，与目视解译结果具有更高的吻合度。
5
研究结论
论文提出了一种改进Deeplab网络的遥感影像海岛岸线分割模型，以遥感影像为源数据：
针对遥感影像的多波段性，基于最佳指数选择用于海岛岸线分割的最佳波段组合，实现多波段遥感影像的降维；
对遥感影像的多尺度性，利用Deeplab网络实现遥感影像高维特征和多尺度信息的获取，实现海岛岸线的粗分割；
将海岛岸线粗分割结果作为优化的初始边界，基于全连接条件随机场实现对海岛岸线的细分割。
遥感影像具有多光谱的特性，如何利用遥感影像的多光谱特性，实现海岛内部不同地物的分割提取是下一步需研究的课题。
6
作者简介
钟元芾，硕士研究生，主要研究方向为计算机视觉。
E-mail：475269098@qq.com
何婉雯，硕士研究生，主要研究方向为遥感图像处理。
E-mail：wav-1994.jye@foxmail.com
曲念毅，硕士研究生，主要研究方向为遥感精度评价。
E-mail：m18201705009@163.com
徐利智，硕士研究生，主要研究方向为遥感空间抽样。
E-mail：lizhixu0328@gmail.com
张文苹，硕士研究生，主要研究方向为图像识别。
E-mail：18616832273@163.com
前沿进展 | 多媒体信号处理的数学理论
中国卫星遥感回首与展望
单目深度估计方法：现状与前瞻
目标跟踪40年，什么才是未来？
10篇CV综述速览计算机视觉新进展
算法集锦 | 深度学习在遥感图像处理中的六大应用
封面故事 | 从传统到深度：火灾烟雾识别综述
封面故事 | 光场数据压缩综述
学者观点 | 结合深度学习和半监督学习的遥感影像分类
编辑推荐 | 视频 + 地图！四维信息助力实景中国
深度学习+图像降噪，如何解决“卡脖子”问题？
专家推荐|高维数据表示：由稀疏先验到深度模型
专家报告 | AI与影像“术”——医学影像在新冠肺炎中的应用
专家推荐|真假难辨还是虚幻迷离，参与介质图形绘制让人惊叹！
学者推荐 | 深度学习与高光谱图像分类【内含PPT 福利】
专家报告|深度学习+图像多模态融合
专家报告 | 类脑智能与类脑计算
100页PPT！道尽Pansharpening 的数学建模机理
实战例题！200+PPT带你看懂监督学习
118页PPT！机器学习模型参数与优化那些事儿~
专家开讲 | 机器学习究竟是什么？
Hinton，吴恩达，李飞飞 ！大师深度学习课程集锦
羡慕别人中了顶会？做到这些你也可以！
如何阅读一篇文献？
共享 | SAR图像船舶切片数据集
资源分享| 不知道如何获取最新的算法资讯？快来这里看一看
资源分享|热门IT资讯号推荐
《中国图象图形学报》2020年第2期目次
《中国图象图形学报》2020年第1期目次
《中国图象图形学报》2019年第12期目次
《中国图象图形学报》2019年第11期目次
《中国图象图形学报》2019年第10期目次
本文内容仅供学习交流
版权属于原作者
欢迎大家关注转发！
编辑：秀 秀
指导：梧桐君
审校：夏薇薇
总编辑：肖 亮
声 明
欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。
与你同在
前沿 | 观点 | 资讯 | 独家
电话：010-58887030/7035/7418
网站：www.cjig.cn
相关内容
微信扫码咨询专知VIP会员