基于深度学习的高分辨率遥感影像建筑物提取方法

被引：71

作者：

范荣双 ^{[1
,2
]}

陈洋 ^{[1
,2
]}

徐启恒 ^{[3
]}

王竞雪 ^{[1
]}

机构：

[1] 辽宁工程技术大学测绘与地理科学学院

[2] 中国测绘科学研究院

[3] 东莞市测绘院

来源：

测绘学报 | 2019年 / 01期

基金：

国家重点研发计划;

关键词：

高分辨率遥感影像; 深度学习; 建筑物信息提取; 自适应池化模型;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术];

学科分类号：

1404 ;

摘要：

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。

引用

页码：34 / 41

页数：8

共 4 条

[1] 结合最小噪声分离变换和卷积神经网络的高分辨影像分类方法 [J].