Faster-RCNN和Level-Set结合的高分遥感影像建筑物提取

被引：9

作者：

左俊皓 ^{[1
]}

赵聪 ^{[1
]}

朱晓龙 ^{[1
]}

任洪娥 ^{[1
,2
]}

机构：

[1] 东北林业大学信息与计算机工程学院

[2] 黑龙江省林业智能装备工程研究中心

来源：

液晶与显示 | 2019年 / 34卷 / 04期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

Faster-RCNN; Level-Set; 深度学习; 建筑物提取;

D O I：

暂无

中图分类号：

TP751 [图像处理方法]; TP181 [自动推理、机器学习];

学科分类号：

081002 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

目前Level-Set图像分割方法存在初始轮廓的确定受人为因素影响较大的问题,对目标被遮盖和目标与背景灰度值相近无法达到理想的分割效果。针对此问题,本文提出了利用Faster-RCNN网络模型确定目标初始轮廓和区域信息的先验水平集图像分割方法,搭建Caffe深度学习框架训练Faster-RCNN网络模型;通过有监督学习的方式在IAILD数据集上训练模型,检测出目标建筑物并初步提取建筑物的轮廓,并将其与形状先验的Level-Set算法结合。对比实验结果表明,本文方法解决了Level-Set算法中图像分割结果初始轮廓受人为标记框选的影响较大的问题,能够更好地完成被遮挡建筑物的分割,对于目标建筑和背景灰度值相近也能达到更好的分割效果。

引用

页码：439 / 447

页数：9