结合目标局部和全局特征的CV遥感图像分割模型

EasyChair Preprint 3646

Abstract

随着遥感卫星技术的发展，高分辨率遥感影像不断涌现。从含有较多信息、背景复杂的遥感影像中自动提取目标成为一个亟待解决的难题。传统的图像分割方法主要依赖图像光谱、纹理等底层特征，容易受到图像中遮挡和阴影等的干扰。为此，针对特定的目标类型，提出结合目标局部和全局特征的CV(Chan Vest)遥感图像目标分割模型，首先，采用深度学习生成模型--卷积受限玻尔兹曼机建模表征目标全局形状特征，以及重建目标形状；其次，利用Canny算子提取目标边缘信息，经过符号距离变换得到综合了局部边缘和全局形状信息的约束项；最终，以CV模型为图像目标分割模型，增加新的约束项得到结合目标局部和全局特征的CV(Chan Vest)遥感图像分割模型。在遥感小数据集Levir-oil drum、Levir-ship和Levir-airplane上的实验结果表明:所提模型不仅可以克服CV模型对噪声敏感的缺点，且在训练数据有限、目标尺寸较小、遮挡及背景复杂的情况下依然能完整、精确地分割出目标。

Keyphrases: CV model, Convolutional restricted Boltzmann machine, Shape prior, deep learning, image segmentation

@booklet{EasyChair:3646,
  author    = {Xiaohui Li and Xili Wang},
  title     = {CV Image Segmentation Model Combining with Local and Global Features of the Target},
  howpublished = {EasyChair Preprint 3646},
  year      = {EasyChair, 2020}}