檢視基于先验点的影像图斑提取技术设计与实现的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://p7.itc.cn/q_70/images03/20220214/6c9ddbfa8d0145e2b828eb5b67831264.png width="300"></center>
<small>[https://www.sohu.com/a/522570052_121123740 来自 搜狐网 的图片]</small>
|}

'''基于先验点的影像图斑提取技术设计与实现'''基于先验点的影像图斑提取设计首先要进行深度[[学习]]高分辨率遥感影像语义分割，语义分割是计算机视觉的一项基本任务。此次设计从效果表现最稳定、精度较高的三种语义分割网络分别进行分析，ICnet网络、、Segnet、DeepLabV3网络，设计主要对遥感影像进行五类分析，分别是：农田、建筑、[[河流]]、[[道路]]、其他。对最后的结果进行对比，并提出改进之处。在进行DeepLabV3+网络模型训练时，将多种模型进行融合，实现最优模型的设计。

2、python gdal+skimage实现基于遥感影像的传统图像分割及合并外加矢量化，基于边缘检测的图像分割方法的基本思路是先确定图像中的边缘[[像素]]，然后再把这些像素连接在一起就构成所需的区域边界。