利用U-net网络的高分遥感影像建筑提取方法

摘要：

针对传统的高分影像建筑物提取方法存在分割精度低和分割边界模糊等问题,提出基于U-net神经网络的高分辨率光学遥感影像建筑物提取方法.方法包含U-net神经网络和全连接CRFs网络,依据图像特征进行语义分割并优化分割结果;在实现U-net神经网络和全连接CRFs模型的基础上,根据U-net的特点以及本文数据特性调试出不同数据量的增强扭曲数据集进行测试,以达到最高鲁棒的分割效果;调试全连接CRFs模型,使得后处理结果更加贴近影像中的真实情况.实验结果表明,与利用传统分割方法的分割效果相比,该方法分割精度及地物边缘分割完整度都得到了显著提升,对高分辨率遥感影像中建筑物的实验分割精度达到了87.64％.

关键词：深度学习、高分辨率影像处理、图像语义分割、建筑物提取、全连接CRFs

所属期刊栏目：35

分类号：TP751(遥感技术)

资助基金：国家自然科学基金项目;国家自然科学基金青年基金项目;北京市自然科学基金项目;城市空间信息工程北京市重点实验室开放研究基金项目

在线出版日期：2020-08-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：143-150