文献类型：期刊文章

作　　者：刘亦凡[1,2] 张秋昭[1] 王光辉[1,2] 李益斌[3]

LIU Yifan;ZHANG Qiuzhao;WANG Guanghui;LI Yibin(School of Environment Science and Spatial Informatics,China University of Mining and Technology,Xuzhou,Jiangsu 221116,China;Land Satellite Remote Sensing Application Center,MNR,Beijing 100048,China;Jiangsu Suzhou Geological Survey Engineering Institute,Suzhou,Jiangsu 215129,China)

机构地区：[1]中国矿业大学环境与测绘学院,江苏徐州221116 [2]自然资源部国土卫星遥感应用中心,北京100048 [3]江苏苏州地质工程勘察院,江苏苏州215129

出　　处：《遥感信息》

基　　金：国家重点研发计划项目(2016YFB0501403)。

年　　份：2020

卷　　号：35

期　　号：2

起止页码：59-64

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、ZGKJHX、核心刊

摘　　要：高分辨率遥感影像中建筑物的提取技术一直是遥感领域的研究热点。针对传统方法需要人工选取特征的缺点,提出一种结合深度残差网络结构和金字塔式层级连接的高分辨率遥感影像建筑物提取方法。首先对影像进行多尺度扩充,保证网络能够探测不同尺度建筑物特征;其次利用新提出的卷积神经网络训练模型,提取建筑物的像素级特征信息;然后对预测结果进行多模型集成计算,降低随机误差;最后对预测概率图选取合适的阈值,进行过滤去除椒盐噪声,利用形态学运算对结果后处理,保证建筑物完整,边界平滑。实验表明,相比于其他网络结构,所提网络结构的建筑物提取精度更高。

关 键 词：建筑物提取 深度残差网络  金字塔 多尺度 阈值过滤  

分 类 号：TP751]