基于改進型U-Net網絡的高分辨率遙感影像建筑物提取

作者：呂道雙,林娜,馮麗蓉,張小青

摘要：針對傳統人工提取方法自動化程度低、過分依賴人工設計的特征,以及現有的深度學習方法中存在的提取精度不高等問題,提出了一種基于改進型U-Net網絡的高分辨率遙感影像建筑物提取方法。首先將空洞卷積加入到網絡中,利用不同尺度的空洞卷積對來自網絡編碼部分的結果進行多尺度特征提取;再對提取的特征進行特征融合,并輸入到網絡的下一層;然后將制作的數據集輸入到網絡中進行訓練;最后利用Softmax得到最終分割結果。在建筑物公開的數據集中進行測試,提取結果的像素精度為96.26%;Iou精度為78.59%、Recall為95.65%,表明該方法具有良好的魯棒性和精度,能從影像中準確地提取建筑物。

發文機構：重慶交通大學土木工程學院 重慶市地理信息和遙感應用中心

關鍵詞：建筑物提取卷積神經網絡空洞卷積高分辨率遙感影像building extractionconvolutional neural networkcavity convolutionhigh-resolution remote sensing image

分類號： P237[天文地球—攝影測量與遙感]