文献类型：期刊文章

作　　者：刘文涛[1] 李世华[1] 覃驭楚[2]

LIU Wentao;LI Shihua;QIN Yuchu(School of Resources and Environment,University of Electronic Science and Technology of China,Chengdu 611731,China;State Key Laboratory of Remote Sensing Science,Institute of Remote Sensing and Digital Earth,Chinese Academy of Science,Beijing 100101,China)

机构地区：[1]电子科技大学资源与环境学院,成都611731 [2]中国科学院遥感与数字地球研究所遥感科学国家重点实验室,北京100101

出　　处：《地球信息科学学报》

基　　金：中国科学院百人计划项目(Y6YR0700QM);国家自然科学基金项目(41471294)~~

年　　份：2018

卷　　号：20

期　　号：11

起止页码：1562-1570

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：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。

关 键 词：遥感图像 建筑物 深度学习  卷积神经网络 自动提取  

分 类 号：TP183]