基于深度学习的高分辨率遥感影像建筑物提取方法

• 作者: 徐启恒 王竞雪 范荣双 陈洋
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 高分辨率遥感影像 深度学习 建筑物信息提取 自适应池化模型
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 34-41
• 页数: 8页
• 分类号: P237
• 字数: 4178字
• 语种: 中文

摘要

针对传统的建筑物提取方法精度较低和边界不完整等问题, 本文提出基于深度学习的高分辨率遥感影像建筑物提取方法.首先, 采用主成分变换非监督预训练网络结构, 获得待提取遥感影像特征.其次, 为减少在池化过程中影像特征信息的丢失, 提出自适应池化模型, 通过非下采样轮廓波变换来获取影像纹理特征, 并将纹理特征输入网络中参与建筑物提取.最后, 将影像特征输入softmax分类器进行分类, 获得建筑物提取结果.选取典型区域进行建筑物提取试验, 并与典型建筑物提取方法进行对比分析, 结果表明, 本文提取方法精度高, 并且提取建筑物的边界清晰、完整.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王竞雪	辽宁工程技术大学测绘与地理科学学院	49	349	10.0	17.0
2	徐启恒		28	93	5.0	8.0
3	范荣双	辽宁工程技术大学测绘与地理科学学院	26	149	8.0	11.0
7	陈洋	辽宁工程技术大学测绘与地理科学学院	12	101	5.0	10.0