文献类型：期刊文章

作　　者：范荣双[1,2] 陈洋[1,2] 徐启恒[3] 王竞雪[1]

FAN Rongshuang;CHEN Yang;XU Qiheng;WANG Jingxue(School of Geomatics,Liaoning Technical University,Fuxin 123000,China;Chinese Academy of Surveying and Mapping,Beijing 100830,China;Dongguan Institute of Surveying and Mapping,Dongguan 523129,China)

机构地区：[1]辽宁工程技术大学测绘与地理科学学院,辽宁阜新123000 [2]中国测绘科学研究院,北京100830 [3]东莞市测绘院,广东东莞523129

出　　处：《测绘学报》

基　　金：国家重点研发计划(2016YFC0803101);国家自然科学基金(41101452)~~

年　　份：2019

卷　　号：48

期　　号：1

起止页码：34-41

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD2019_2020、DOAJ、EI、GEOBASE、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。

关 键 词：高分辨率遥感影像 深度学习  建筑物信息提取  自适应池化模型  

分 类 号：P237]