Faster-RCNN和Level-Set结合的高分遥感影像建筑物提取

• 作者: 任洪娥 左俊皓 朱晓龙 赵聪
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: Faster-RCNN Level-Set 深度学习 建筑物提取
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 图像处理
• 页码范围: 439-447
• 页数: 9页
• 分类号: TP751.1
• 字数: 5563字
• 语种: 中文
• DOI: 10.3788/YJYXS20193404.0439

摘要

目前Level-Set图像分割方法存在初始轮廓的确定受人为因素影响较大的问题,对目标被遮盖和目标与背景灰度值相近无法达到理想的分割效果.针对此问题,本文提出了利用Faster-RCNN网络模型确定目标初始轮廓和区域信息的先验水平集图像分割方法,搭建Caffe深度学习框架训练Faster-RCNN网络模型;通过有监督学习的方式在IAILD数据集上训练模型,检测出目标建筑物并初步提取建筑物的轮廓,并将其与形状先验的Level-Set算法结合.对比实验结果表明,本文方法解决了Level-Set算法中图像分割结果初始轮廓受人为标记框选的影响较大的问题,能够更好地完成被遮挡建筑物的分割,对于目标建筑和背景灰度值相近也能达到更好的分割效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任洪娥	东北林业大学信息与计算机工程学院	163	891	15.0	20.0
5	赵聪	东北林业大学信息与计算机工程学院	2	0	0.0	0.0
6	左俊皓	东北林业大学信息与计算机工程学院	1	0	0.0	0.0
7	朱晓龙	东北林业大学信息与计算机工程学院	3	1	1.0	1.0