遥感影像建筑物提取的卷积神经元网络与开源数据集方法

摘要：

从遥感图像中自动化地检测和提取建筑物在城市规划、人口估计、地形图制作和更新等应用中具有极为重要的意义.本文提出和展示了建筑物提取的数个研究进展.由于遥感成像机理、建筑物自身、背景环境的复杂性,传统的经验设计特征的方法一直未能实现自动化,建筑物提取成为30余年尚未解决的挑战.先进的深度学习方法带来新的机遇,但目前存在两个困境:①尚缺少高精度的建筑物数据库,而数据是深度学习必不可少的"燃料";②目前国际上的方法都采用像素级的语义分割,目标级、矢量级的提取工作亟待开展.针对于此,本文进行以下工作:①与目前同类数据集相比,建立了一套目前国际上范围最大、精度最高、涵盖多种样本形式(栅格、矢量)、多类数据源(航空、卫星)的建筑物数据库(WHU building dataset),并实现开源;②提出一种基于全卷积网络的建筑物语义分割方法,与当前国际上的最新算法相比达到了领先水平;③将建筑物提取的范围从像素级的语义分割推广至目标实例分割,实现以目标(建筑物)为对象的识别和提取.通过试验,验证了WHU数据库在国际上的领先性和本文方法的先进性.

关键词：建筑物提取、语义分割、实例分割、卷积神经元网络、深度学习

所属期刊栏目：48

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41471288

在线出版日期：2019-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：448-459