19、遥感影像中建成区的准确检测

遥感影像中建成区的准确检测

1. FCN模型分割结果的获取

FCN模型有八个分割掩码，每对掩码之间约有6%的差异，这表明每个块在不同掩码中可能有不同的二进制值。最终的分割结果可通过投票获得。由于每个块在特征图中现在是一个像素，投票过程就转化为统计被确定为建成区的像素数量。计数公式如下：
[T_i = \sum_{j} p_{i}(j)]
其中，(p_{i}(j)) 是根据特定公式在第 (j) 个掩码图中的分割二进制值。根据实验结果，将投票阈值设为4，以在虚警和漏警之间取得平衡。在实际应用中，可根据对虚警和漏警的重视程度调整阈值，阈值范围对整体精度影响较小。

2. 后处理步骤

与经典方法的像素级结果相比，DSCNN、LMB - CNN或FCN只能获得块级结果。而且，建成区是指已开发和建设的区域，需要一定面积大于阈值，小面积的草地、池塘等也应属于建成区。因此，后处理是必要的，以使结果更合理。
- 去除未达面积阈值的区域 ：考虑到一些村庄的面积，将建成区的阈值设为5个图像块是合理的，每个块对应64 m × 64 m的区域。此外，建成区内的草坪、水池和山丘应被识别为建成区的一部分，所以小于5个图像块的非建成区也应转换为建成区。
- 处理像素级结果以优化边界
- 简单放大法 ：对于像素级结果，仅考虑边缘的美观性，将块级结果的二值图像简单放大到原始大小，插值过程会平滑建成区的边界。
- 获取更精细边界的步骤
1. 对建成区的边界块应用简单线性迭代聚类（SLIC）分割操作