基于全卷积神经网络的建筑物屋顶自动提取

被引：30

作者：

刘文涛 ^{[1
]}

李世华 ^{[1
]}

覃驭楚 ^{[2
]}

机构：

[1] 电子科技大学资源与环境学院

[2] 中国科学院遥感与数字地球研究所遥感科学国家重点实验室

来源：

地球信息科学学报 | 2018年 / 11期

关键词：

遥感图像; 建筑物; 深度学习; 卷积神经网络; 自动提取;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP751 [图像处理方法];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081002 ;

摘要：

高分辨率遥感影像在地面自动目标提取中得到了广泛应用,然而利用传统算法,很难高精度地进行实时的建筑物屋顶绘图。本文使用深度学习方法探讨建筑物屋顶分割,由于卷积运算对形变、旋转、光照条件的不敏感,设计了一种用于建筑物屋顶提取的深度卷积神经网络,提出的网络为级联式全卷积神经网络,在深度卷积神经网络的设计中使用了特征复用和特征增强,实现建筑物的自动精确提取。以美国马萨诸塞州建筑物数据集为基础的实验结果表明,本文提出的网络结构取得了92.3%的总体预测精度,和其他方法相比,本文提出的方法具有更高的精度

引用

页码：1562 / 1570

页数：9

共 10 条

[1] 基于CNN模型的高分辨率遥感图像目标识别 [J].