改进LinkNet的高分辨率遥感影像建筑物提取方法

摘要：

针对现有的遥感影像建筑物提取方法存在着效率低下、精度不高等问题,该文利用轻量型分割网络LinkNet框架构建出新的建筑物提取全卷积网络.设计三层卷积模块替换LinkNet中的残差层作为新的编码块,有效减少网络参数,加快了网络训练速度;融合增强感受野模块聚合多尺度上下文信息,有利于图像特征细节的恢复,从而提高网络分割精度;综合上述两点构建出基于深度学习的高性能建筑物自动提取网络.在相应建筑物数据集上进行实验结果表明,本文构建的全卷积网络比已有的建筑物提取网络SE-Unet综合预测精度更高,取得82.80％的均交并比和95.99％的召回率,同时,在提取建筑物的完整度、边界分割精度等方面具有较好的效果.

关键词：遥感影像、建筑物提取、三层卷积模块、增强感受野模块、深度学习

所属期刊栏目：47

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金41861058

在线出版日期：2023-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：120-127,145