基于全卷积神经网络的建筑物屋顶自动提取
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
遥感图像、建筑物、深度学习、卷积神经网络、自动提取
20
中国科学院百人计划项目Y6YR0700QM;国家自然科学基金项目41471294
2018-12-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
1562-1570