水是非常重要的资源，对人类生活、生产等方面发挥着重要作用。快速准确地获取水体信息及其分布对于国家资源管理、规划发展、灾害快速评估等方面具有重要意义。随着技术的发展，遥感影像在水体提取方面的作用日渐明显。目前，阈值法、改进归一化差异水体指数法（MNDWI）、专家知识法是三种最常见水体提取方法。
传统的监督分类提取大小、色彩、形状各不相同的建筑物，很难得到满意的结果，随着深度学习技术的快速发展，利用语义分割来提取遥感影像中的地物成为十分有效的方法。Long等在卷积神经网络（convolutionalneuralnetwork，CNN）内部使用下采样和上采样结合的方式提出了全卷积网络（fullyconvolutionalnetworks，FCN）网络，成功实现了图像的语义分割。随后SegNet、U-Net、PSPNet、UNet++等神经网络相继出现。
本文基于U-Net、Deeplabv3+网络来实现高分遥感影像的水体语义分割，并附上了相应的源代码及数据集，预测结果并与photoshop提取的结果来进行比对。
点击左下角
即可获取源代码+数据集
预览时标签不可点收录于话题#个上一篇下一篇