摘要： 高分辨率遥感图像中的矿山目标具有复杂的形态、纹理和光照特征,给目标分割带来了挑战。为提高 矿山目标分割精度和效率,提出了一种基于高分辨率重建的矿区遥感图像目标分割算法。该算法首先利用超像素分 割方法将遥感图像分割成若干块,利用深度学习模型提取每个块的特征,并将其重建为高分辨率的特征图;然后利用 标记分水岭算法对重建的特征图进行进一步分割,得到矿山目标的精细边界;最后通过条件随机场对分割结果进行 优化,消除噪声和误分区域。在真实的高分辨率遥感图像上进行了试验,结果表明:该算法在矿山目标分割方面具有 较高的准确率和鲁棒性,且具有较快的运行速度,适用于大规模的遥感图像处理,准确率达到了0. 93,召回率为0. 92, F1 分数为0. 94,平均交并比(mIoU)达到0. 85。所提算法为高分辨率遥感图像精确分割提供了一种有效方法,对于促 进矿区遥感技术应用有一定的意义。

关键词: 高分辨率重建　矿区遥感图像　目标分割　深度学习模型　条件随机场