基于全卷积神经网络的建筑物屋顶自动提取

• 作者: 刘文涛 李世华 覃驭楚
• 来源期刊: 地球信息科学学报
• 关键词: 遥感图像 建筑物 深度学习 卷积神经网络 自动提取
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 地球信息科学理论与方法
• 页码范围: 1562-1570
• 页数: 9页
• 语种: 中文
• DOI: 10.12082/dqxxkx.2018.180159

摘要

高分辨率遥感影像在地面自动目标提取中得到了广泛应用,然而利用传统算法,很难高精度地进行实时的建筑物屋顶绘图.本文使用深度学习方法探讨建筑物屋顶分割,由于卷积运算对形变、旋转、光照条件的不敏感,设计了一种用于建筑物屋顶提取的深度卷积神经网络,提出的网络为级联式全卷积神经网络,在深度卷积神经网络的设计中使用了特征复用和特征增强,实现建筑物的自动精确提取.以美国马萨诸塞州建筑物数据集为基础的实验结果表明,本文提出的网络结构取得了92.3％的总体预测精度,和其他方法相比,本文提出的方法具有更高的精度

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李世华	电子科技大学资源与环境学院	9	70	4.0	8.0
2	覃驭楚	中国科学院遥感与数字地球研究所遥感科学国家重点实验室	6	60	3.0	6.0
3	刘文涛	电子科技大学资源与环境学院	1	15	1.0	1.0