左宗成 张文 张东映 |《测绘学报（英文版）》（JGGS）精选论文

Journal of Geodesy and Geoinformation Science

构建与学术的桥梁        拉近与权威的距离

🔷Title l 题目

A Remote Sensing Image Semantic Segmentation Method by Combining Deformable Convolution with Conditional Random Fields

🔷Citation l 引文格式

Zongcheng ZUO, Wen ZHANG, Dongying ZHANG. A Remote Sensing Image Semantic Segmentation Method by Combining Deformable Convolution with Conditional Random Fields[J]. Journal of Geodesy and Geoinformation Science, 2020, 3(3): 39-49..DOI: 10.11947/ j.JGGS.2020.0304.

🔷Abstract l 摘要

Currently, deep convolutional neural networks have made great progress in the field of semantic segmentation. Because of the fixed convolution kernel geometry, standard convolution neural networks have been limited the ability to simulate geometric transformations. Therefore, a deformable convolution is introduced to enhance the adaptability of convolutional networks to spatial transformation. Considering that the deep convolutional neural networks cannot adequately segment the local objects at the output layer due to using the pooling layers in neural network architecture. To overcome this shortcoming, the rough prediction segmentation results of the neural network output layer will be processed by fully connected conditional random fields to improve the ability of image segmentation. The proposed method can easily be trained by end-to-end using standard backpropagation algorithms. Finally, the proposed method is tested on the ISPRS dataset. The results show that the proposed method can effectively overcome the influence of the complex structure of the segmentation object and obtain state-of-the-art accuracy on the ISPRS Vaihingen 2D semantic labeling dataset.

🔷Key words l 关键词

high-resolution remote sensing image; semantic segmentation; deformable convolution network; conditions random fields

🔷Authors l 作者

Zongcheng ZUO, Wen ZHANG, Dongying ZHANG.

• Zongcheng ZUO
  

左宗成，男，1988年5月生，现为上海交通大学航空航天学院在读博士生。2014年获武汉大学遥感信息工程学院硕士学位。2014年7月至2018年5月在浙江省地理信息中心担任研发工程师，参与数字城市、智慧城市等应用研发；2018年6月至2020年8月在欧特克（中国）软件研发有限公司担任软件开发工程师，负责GIS与BIM集成应用研发，该工作实现了Autodesk与Esri两家公司的产品数据互通。长期从事遥感影像智能信息提取和无地面控制点的遥感影像定位研究。参与完成的“水利行业地图作业平台关键技术与应用”获得2018年测绘科技进步二等奖。作为技术骨干参与国家重点研发计划、国家自然科学基金项目以及省部级科研项目等10余项。

• Wen ZHANG
  

张文，女，1980年11月生，毕业于武汉大学，博士，现任武汉大学遥感信息工程学院讲师。主要研究方向为涉水对象遥感监测与时空分析。重点参与研发了系列水利遥感应急响应、遥感对象智能识别、水利遥感大数据业务化处理、水利空间数据管理与整合等成果，获省部级科技进步一等奖2项，三等奖1项。作为技术骨干参与国家重点研发计划、科技支撑计划、公益性行业科研专项，以及省部级科研项目等10余项。主持1项国家重点研发项目子课题，主持完成自然资源部地理国情监测重点实验室基金1项。发表一作/通讯作者论文20余篇。获国家发明专利10余项，软件著作权20余项。主要学术贡献包括构建了基于内存计算的遥感影像并行优化机制和弹性空间查询算法，提出了基于经典指数优化的土壤水分状态评估指数，建立了基于深度学习模型的大范围土壤含水量的升尺度算法，结合形态学方法实现河流骨架线自动化提取和引入聚类算法的GF-3雷达影像水域范围估算方法等，这些方法提高了水利对象自动化识别的效率和准确性，提升了水情分析的高效性和可靠性。

• Dongying ZHANG
  

张东映，男，1985年6月生，2017年获武汉大学遥感信息工程学院地图制图与地理信息工程工学博士学位，博士期间由国家留学基金委公派至美国乔治梅森大学全球环境与自然资源研究所进行12个月的联合培养。2017年8月至2019年3月在郑州大学水利与科学学院地理信息系担任教师；2019年7月至今在华中科技大学水电与数字化工程学院担任教师，期间兼职航天宏图信息技术股份有限公司定量遥感专家。长期从事卫星遥感、云计算和人工智能技术的交叉学科研究，致力于解决遥感数据云服务全链条的技术难题，并从事遥感实验教学平台、灾害监测、河湖监管、内涝预警等水文遥感应用研究。目前参编中文专著2部；发表国内外高水平论文19篇；取得国家发明专利4项，软件著作权3项。主要科研荣誉包括：参与完成的“水利卫星遥感大数据业务化处理与监测关键技术及应用”成果获得2013年湖北省科技进步一等奖。参与2项国家自然科学基金重点项目、1项“十三五”国家重点研发计划项目以及9项省部级科研项目；参与世界气象组织（WMO）和美国农业部（USDA）科研项目“African Drought Research Program”；担任IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing和International Journal Of Applied Earth Observation and Geoinformation两个遥感领域国际权威期刊的审稿人。

🔷全文摘录如下

本文节选自JGGS 2020,Volume 3,Issue 3, p39-49.点击阅读原文即可下载。本期审图号（Map Approval Number）：GS(2020)5241

请登录《测绘学报（英文版）》（JGGS）官网http://jggs.sinomaps.com 查看更多精选论文

权威 | 专业 | 学术 | 前沿

微信投稿邮箱 | [e-mail]

微信公众号中搜索「测绘学报」，关注我们，长按上图二维码，关注学术前沿动态。

欢迎加入《测绘学报》作者QQ群：751717395

进群请备注：姓名+单位+稿件编号