基于改进U-net的遥感影像建筑物提取

• 作者: 任欣磊 杨景玉 王阳萍 高德成
• 来源期刊: 激光与光电子学进展
• 学科: 地球科学
• 关键词: 遥感 建筑物提取 U-net 神经网络 低维特征
• 年，卷（期）: 2019,（22）
• 所属期刊栏目: 遥感与传感器
• 页码范围: 187-194
• 页数: 8页
• 分类号: P237
• 语种: 中文
• DOI: 10.3788/LOP56.222801

摘要

针对在遥感影像建筑物提取过程中,建筑物与周围环境信息混淆导致提取精度下降的问题,提出了一种低维特征信息增强的改进U型卷积神经网络(U-net)模型,用于遥感影像建筑物的提取.借鉴医学影像分割中应用广泛的U-net模型对建筑物进行提取;考虑到在网络传播过程中低维细节信息逐级削弱,在特征金字塔中的特征图与扩张路径同级上的特征融合前,先与上一层级的特征图进行融合,进一步优化了提取结果的边缘提取精度.在覆盖范围约340 km2的遥感影像数据集上进行实验,结果表明本文提出的方法在交并比、像素精度和Kappa系数3个指标上的均值分别达到83.9％、92.8％和83.6％,均优于模糊C均值、全卷积网络与经典U-net方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨景玉		19	54	4.0	6.0
2	王阳萍		104	752	16.0	22.0
3	任欣磊		2	0	0.0	0.0
4	高德成		1	0	0.0	0.0