基于深度学习的高分遥感影像乡镇建筑物识别方法

• 作者: 仲波 张宏海 牛铁 王利忠
• 来源期刊: 科研信息化技术与应用
• 关键词: 卫星图像 乡镇建筑物 Faster-RCNN 区域推荐网络 TensorFlow
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 应用
• 页码范围: 88-95
• 页数: 8页
• 字数: 4727字
• 语种: 中文
• DOI: 10.11871/j.issn.1674-9480.2019.01.011

摘要

目的 随着遥感卫星技术的进步,卫星图像的空间分辨率、时间分辨率及光谱分辨率越来越高,所包含的信息越来越丰富.乡镇建筑物的识别可以利用高分辨率遥感影像进行提取,可以有效地分析农村的人口密度和用地分配,从而为农村发展规划提供重要参考.方法 根据乡镇建筑物的特点将建筑物分成对应的几类进行标注,然后将样本送入已经搭建好的基于TensorFlow平台的Faster-RCNN模型进行训练,利用CNN提取特征,通过构建区域推荐网络(RPN)提取可能的建筑物区域,利用检测网络对目标区域进行判别和分类.结果 最终模型的识别准确率达到93.06％,具有较好的鲁棒性和泛化性.结论 本文提出的乡镇建筑物提取框架,建立了乡镇区域的建筑物样本库,有效地避免了图像分类的局限性,同时提高了乡镇建筑物识别的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宏海	中国科学院计算机网络信息中心	8	20	2.0	4.0
2	牛铁	中国科学院计算机网络信息中心	4	73	2.0	4.0
3	仲波	中国科学院遥感与数字地球研究所	13	62	5.0	7.0
4	王利忠	中国科学院计算机网络信息中心	1	0	0.0	0.0