基于深度学习的高分辨率遥感影像建筑物提取方法
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.
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
48
P237(摄影测量学与测绘遥感)
国家重点研发计划2016YFC0803101;国家自然科学基金41101452The Nation Key Research and Development Program of China2016YFC0803101;The National Natural Science Foundation of China41101452
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共8页
34-41