利用U-net网络的高分遥感影像建筑提取方法

作者：张浩然,赵江洪,张晓光

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%。

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

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CRFsdeep learninghigh resolution image processingimage semantic segmentationbuilding extractionfully connected CRFs

分类号： TP751[自动化与计算机技术—检测技术与自动化装置]