基于深度学习的低照度遥感图像智能分割方法  

作　　者：兰海涛 吴文玲 LAN Haitao;WU Wenling

机构地区：[1]四川工商学院,四川成都611745

出　　处：《信息技术与信息化》2025年第3期38-41,共4页Information Technology and Informatization

摘　　要：在低照度遥感图像中,由于光照不足,图像往往呈现出对比度低、细节模糊以及噪声显著增强的特点,这些不利因素直接影响了图像信息的有效提取。低对比度使得目标与背景之间的差异难以辨识,而噪声的增加则进一步干扰了图像中的有用信息,导致分割时阈值、区域生长条件等参数的最优值寻找变得异常困难,严重影响图像分割的准确性和效率。为此,文章提出了一种基于深度学习的低照度遥感图像智能分割方法。借助多尺度Retinex算法,对原始低照度遥感图像进行非线性增强处理,借助对比度拉伸的方式进一步改善图像在视觉效果方面的质量;在分割阶段,构建了以各向异性上下文融合网络为核心的深度学习模型,设计多尺度并行空洞卷积模块与各向异性复合条状池化模块对遥感图像中各向异性目标进行识别分割。在测试结果中,设计方法对于测试数据集图像分割的可视化效果中能够完整保留标签信息,且全局准确率和平均交并比均明显高于对照组。

关 键 词：深度学习 低照度遥感图像 多尺度RETINEX算法 非线性增强 对比度拉伸 各向异性上下文融合网络为核心 多尺度并行空洞卷积模块 各向异性复合条状池化模块 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]