遥感影像建筑物提取的卷积神经元网络与开源数据集方法

• 作者: 季顺平 魏世清
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 建筑物提取 语义分割 实例分割 卷积神经元网络 深度学习
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 448-459
• 页数: 12页
• 分类号: P237
• 字数: 7583字
• 语种: 中文
• DOI: 10.11947/j.AGCS.2019.20180206.

摘要

从遥感图像中自动化地检测和提取建筑物在城市规划、人口估计、地形图制作和更新等应用中具有极为重要的意义.本文提出和展示了建筑物提取的数个研究进展.由于遥感成像机理、建筑物自身、背景环境的复杂性,传统的经验设计特征的方法一直未能实现自动化,建筑物提取成为30余年尚未解决的挑战.先进的深度学习方法带来新的机遇,但目前存在两个困境:①尚缺少高精度的建筑物数据库,而数据是深度学习必不可少的"燃料";②目前国际上的方法都采用像素级的语义分割,目标级、矢量级的提取工作亟待开展.针对于此,本文进行以下工作:①与目前同类数据集相比,建立了一套目前国际上范围最大、精度最高、涵盖多种样本形式(栅格、矢量)、多类数据源(航空、卫星)的建筑物数据库(WHU building dataset),并实现开源;②提出一种基于全卷积网络的建筑物语义分割方法,与当前国际上的最新算法相比达到了领先水平;③将建筑物提取的范围从像素级的语义分割推广至目标实例分割,实现以目标(建筑物)为对象的识别和提取.通过试验,验证了WHU数据库在国际上的领先性和本文方法的先进性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	季顺平	武汉大学遥感信息工程学院	16	243	9.0	15.0
2	魏世清	武汉大学遥感信息工程学院	2	7	1.0	2.0