面向城市遥感图像分割的深度学习算法研究

This project application will conduct urban remote sensing image segmentation for the surveillance of architectures. As for the typical land covers: residential areas, office and commercial buildings, temporary small buildings, road, trees, and background (water, grass, soil etc.), we will propose new deep segmentation models for these typical land covers. The major research work includes: 1. Construction of segmentation data set of urban remote sensing images for the surveillance of architectures. 2. Based on the multi-scale consistency features of local images, we propose a new deep segmentation model for extraction of multi-scale land-covers of urban remote sensing images. 3. Based on the expression of image spatial relationships, a deep segmentation model is proposed. Once the key technology of the project is realized, the analysis efficiency of remote sensing images will be greatly boosted. And it will provide valuable prior for change detection, road extraction and three-dimensional reconstruction of urban remote sensing images. This project will also provide powerful tools for construction of intelligent and informational city in the surveillance of architectures, urban planning and road updating of city-map.

本项目申请面向城市建筑物的监控等应用，开展城市遥感图像分割算法研究。针对城市遥感中的典型地物目标：居民区、办公或商业大厦、临时搭建的小建筑、道路、树木、背景区（水体、草地、土地等）等，提出面向城市遥感图像典型地物目标分割的深度学习新方法。本项目申请主要开展以下研究工作：1.建立面向城市遥感图像分割及其在城市建筑物监控中应用的数据集；2.针对城市遥感图像中多尺寸典型地物目标，提出基于图像空间多尺度局部一致性区域特征表达的深度学习遥感图像分割方法；3.提出基于图像空间位置关系表达的深度学习遥感图像分割方法。该项目申请中的关键技术一旦攻克，将会提高城市遥感图像分割的精度，为在此基础上的变化检测、道路提取、三维重建等问题，提供有力的先验知识。为城市建筑物的监控、城市规划、地图道路更新等城市的智能化、信息化建设提供有力的工具。

本项目面向城市建筑物的监控等应用，开展城市遥感图像分割算法研究。针对城市遥感图像中的典型地物目标：居民区、办公或商业大厦、临时搭建的小建筑、道路、树木、背景区（水体、草地、土地）等，提出了面向城市遥感图像典型地物目标分割的深度学习新方法。本项目研究了如何构建数据集、空间多尺度特征在语义分割神经网络中表达的方法、语义分割域适应方法等。基于上述研究工作，开发了语义分割和变化检测的原型系统1个，在国内外重要期刊和会议发表论文5篇，获得发明专利1项，培养多名研究生。部分研究成果已被应用于国土自然资源监控。