IEU-Net高分辨率遥感影像房屋建筑物提取

摘要：

房屋建筑物作为人类活动的主要场所,快速准确地将其从高分辨率遥感影像中提取出来,对促进遥感信息在防灾减灾、城镇管理等方面的应用具有重要意义.本文基于深度学习,提出了高分辨率遥感影像房屋建筑物像素级精确提取方法.首先,针对样本图像边缘像素特征不足现象,以U-Net模型为基础提出IEU-Net模型,设计了全新的忽略边缘交叉熵函数IELoss并将其作为损失函数,另外添加Dropout和BN层在避免过拟合的同时提高模型训练速度和鲁棒性.其次,为解决模型特征丰富度有限的问题,引入形态学建筑物指数MBI,与遥感影像RGB波段一同参与到模型的分类过程.最后,在模型预测时与IELoss相对应采用忽略边缘预测策略从而获得最佳建筑物提取结果.实验对比分析表明:本文方法能有效克服样本边缘像素特征不足问题并抑制道路、建筑物阴影对结果的影响,提升高分辨率遥感影像中房屋建筑物的提取精度.

关键词：深度学习;IEU-Net;高分辨率遥感影像;房屋建筑物;形态学建筑物指数

所属期刊栏目：25

资助基金：国家重点研发计划编号,2017YFB0504101,2016Y FC0803004

在线出版日期：2021-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2245-2254