由于山体坡度、光照角度、传感器成像角度等因素，遥感图像中的山体阴影影响了冰川识别的精度.现有方法一般是先去除阴影再进行冰川识别，既繁琐又可能破坏图像的光谱信息.本文在U-Net框架中集成金字塔池化模块以增强多尺度特征提取能力，提出了一种U-PSP-Net结构的卷积神经网络，可以实现阴影区冰川识别.在自制的含阴影冰川数据集上进行验证，与PSP-Net、SegNet和U-Net的性能比较表明，提出的U-PSP-Net的平均像素精度为95.84%,平均交并比(IoU)为92.79%.与U-Net相比，分别提升了0.61%和0.92%;与PSP-Net和SegNet相比分别提高了1.41%、2.54%和2.85%、2.86%.以上结果证明了神经网络结构在含阴影遥感影像中识别冰川的可行性和有效性.
由于山体坡度、光照角度、传感器成像角度等因素，遥感图像中的山体阴影影响了冰川识别的精度.现有方法一般是先去除阴影再进行冰川识别，既繁琐又可能破坏图像的光谱信息.本文在U-Net框架中集成金字塔池化模块以增强多尺度特征提取能力，提出了一种U-PSP-Net结构的卷积神经网络，可以实现阴影区冰川识别.在自制的含阴影冰川数据集上进行验证，与PSP-Net、SegNet和U-Net的性能比较表明，提出的U-PSP-Net的平均像素精度为95.84%,平均交并比(IoU)为92.79%.与U-Net相比，分别提升了0.61%和0.92%;与PSP-Net和SegNet相比分别提高了1.41%、2.54%和2.85%、2.86%.以上结果证明了神经网络结构在含阴影遥感影像中识别冰川的可行性和有效性.