文献类型：期刊文章

作　　者：张浩然[1,2,3] 赵江洪[1,2,3] 张晓光[1,2,3]

ZHANG Haoran;ZHAO Jianghong;ZHANG Xiaoguang(Institute of Mapping and City Space Information,Beijing University of Civil Engineering and Architecture,Beijing 102616,China;Key Laboratory of National Bureau of Surveying,Mapping and Geographic Information of Modern City,Beijing 102616,China;Beijing Key Laboratory of Fine Reconstruction and Health Monitoring of Architectural Heritage,Beijing 102616,China)

机构地区：[1]北京建筑大学测绘与城市空间信息学院,北京102616 [2]现代城市测绘国家测绘地理信息局重点实验室,北京102616 [3]建筑遗产精细重构与健康监测北京市重点实验室,北京102616

出　　处：《遥感信息》

基　　金：国家自然科学基金项目(41601409);国家自然科学基金青年基金项目(41501495);北京市自然科学基金项目(8172016);城市空间信息工程北京市重点实验室开放研究基金项目(2018210)。

年　　份：2020

卷　　号：35

期　　号：3

起止页码：143-150

语　　种：中文

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

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  

分 类 号：TP751]