基于PSPNet的遥感影像城市建成区提取及其优化方法

作者：刘钊,廖斐凡,赵桐

摘要：利用高分辨率卫星遥感影像提取建成区边界对于城市扩张监测和城市发展规划具有重要意义。为获取高精度高空间分辨率的建成区数据,本研究通过归一化建筑指数(normalized difference built-up index,NDBI)加人工目视解译方法构建城市建成区遥感影像数据集,分别采用传统机器学习方法和包括PSPNet在内的4种深度学习语义分割网络对Sentinel-2影像进行建成区提取,训练结果表明PSPNet网络对于建成区的提取具有最高的精度(训练集交并集比(intersection over umion,IOU)为79.5%)。提出Overlapsize方法对PSPNet的提取结果进行优化,进一步提高了建成区提取准确率,该方法在训练集上的IOU达到80.5%,在测试集上的IOU达到了83.1%,利用PSPNet+Overlapsize提取建成区的方法相较于传统机器学习方法具有实际应用意义。

发文机构：清华大学土木工程系交通工程与地球空间信息研究所

关键词：建成区提取深度学习卷积神经网络语义分割PSPNetOverlapsizebuilt-up area extractiondeep learningconvolutional neural networksemantic segmentationPSPNetOverlapsize

分类号： TP79[自动化与计算机技术—检测技术与自动化装置]