基于卷积神经网络的空心村高分影像建筑物检测方法

• 作者: 刘刚 吴玺 唐敏 李政 李永树 鲁恒
• 来源期刊: 农业机械学报
• 学科: 地球科学
• 关键词: 空心村 建筑物检测 卷积神经网络 高分影像 多尺度显著性检测
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 160-165,110
• 页数: 7页
• 分类号: P231.5|TP75
• 字数: 3817字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2017.09.020

摘要

基于卷积神经网络(CNN)提出了一种适用于空心村高分影像的建筑物自动检测方法,该方法利用多尺度显著性检测来获取包含建筑物信息的显著性区域,然后通过滑动窗口获取显著性区域内目标样本块,再将这些样本块输入训练好的CNN并结合SVM来实现分类.为检验方法有效性,选取高分影像进行实验,结果表明,显著性检测能够有效地获取主要目标,减弱其他无关目标的影响,降低数据冗余;卷积神经网络能够自动学习高层次的特征,基于CNN对高分影像进行建筑物检测,分类准确度可以达到97.6％,表明该方法具有较好的鲁棒性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李永树	西南交通大学地球科学与环境工程学院	217	2697	27.0	40.0
2	李政	西南交通大学地球科学与环境工程学院	15	96	5.0	9.0
3	吴玺		12	84	5.0	9.0
4	刘刚	成都理工大学地球科学学院	22	82	5.0	9.0
5	鲁恒	四川大学水利水电学院	11	70	3.0	8.0
6	唐敏		4	19	2.0	4.0