深度残差神经网络高分辨率遥感图像建筑物分割

• 作者: 卜旭辉 杨艺 王传云 王宇 王宝山 王田
• 来源期刊: 遥感技术与应用
• 学科: 地球科学
• 关键词: 高分辨率遥感图像 建筑物分割 深度学习 残差神经网络 批量规范化
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: CNN专栏
• 页码范围: 736-747
• 页数: 12页
• 分类号: P237
• 字数: 9317字
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2019.4.0736

摘要

针对高分辨率遥感图像建筑物分割问题,提出一种Encoder-Decoder的深度学习框架,建立输入图像到分割结果之间的端对端的分割模型.其中Encoder以残差网络为基础,自动提取建筑物的特征;Decoder采用反卷积实现对特征图的上采样,从而完成对建筑物的分割;同时引入批量规范化处理,降低了神经网络权重训练过程中的梯度竞争,从而减小了神经网络的训练难度.实验表明:提出的建筑物分割算法能有效提取建筑物的块状特征和边缘信息,降低复杂道路等干扰的影响,提升建筑物的分割精准度,算法对邻近复杂道路的建筑物、规律性建筑物、单体复杂建筑物等3种典型建筑物的分割精度分别为:0.837、0.892和0.630;F值分别为:0.851、0.879和0.730.同时,多分辨率条件下的分割实验结果表明,该算法对于一定范围内的多分辨率遥感图像具有较好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宝山	河南理工大学测绘与国土信息工程学院	47	498	14.0	20.0
2	王传云	沈阳航空航天大学计算机学院	19	105	7.0	9.0
3	杨艺	河南理工大学电气工程与自动化学院	26	140	5.0	11.0
4	卜旭辉	河南理工大学电气工程与自动化学院	43	159	7.0	11.0
5	王田	北京航空航天大学自动化科学与电气工程学院	9	25	2.0	4.0