基于深度U-Net和超像素条件随机场模型的超高分辨率遥感影像水体提取

摘要： 水体提取（WBE）在遥感影像分析领域备受关注。本研究提出一种增强型深度卷积编解码器网络（即深度U-Net），通过结合超像素分割与条件随机场（CRF）技术，专门用于遥感影像的水体提取。首先利用深度U-Net对整幅遥感影像进行水/非水区域预分类，将类别隶属概率结果作为CRF模型中的一元势能函数；CRF的二元势能采用高斯核线性组合定义，形成全连接邻域结构。随后引入区域约束机制以增强连通区域一致性——通过简单线性迭代聚类算法生成超像素，并基于其平均后验概率修正二值分类结果。最终为该模型构建了高效的均值场近似推理算法。在高分二号和WorldView-2影像的实验应用表明，该方法在定量与定性指标上均具竞争力，能有效抑制椒盐噪声并保持水体边缘结构，较现有先进方法取得了更优的最终效果。