基于全卷积神经网络的无人机影像建筑物提取

• 作者: 于洋 刘斌 施国武 李霞 邢宽平
• 来源期刊: 水利水电技术
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 DSM建筑物提取 残差学习 遥感
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 水文水资源
• 页码范围: 31-38
• 页数: 8页
• 分类号: TVV221
• 字数: 5974字
• 语种: 中文
• DOI: 10.13928/j.cnki.wrahe.2020.07.004

摘要

针对无人机影像建筑物自动提取时精度低、边缘精细化程度不足导致水利移民征地过程中建筑物面积统计不准确的问题,为提高无人机影像建筑物自动提取精度,利用基于跳层连接的全卷积神经网络进行无人机影像建筑物自动提取,结合无人机数据生产过程中产生的DSM对建筑物初步提取结果进行后处理,得到更加精细化建筑物的边缘.结果 显示,利用基于跳层连接的全卷积神经网络进行无人机影像建筑物提取,平均Kappa系数为0.90,平均查准率为0.93;当前常用的分类模型Deeplab网络,Kappa系数为0.67,查准率0.70;Segnet网络的Kappa系数为0.75,查准率为0.79.相较于Deeplab网络Kappa系数提高了0.23,查准率提高了0.23;相较于Segnet网络,Kappa系数提高了0.15,查准率提高了0.14.利用DSM对初步提取结果进行后处理,处理后Kappa系数为0.92,查准率为0.94.对比初步提取结果,Kappa系数提高了0.02,查准率提高了0.01.结果 表明,结合DSM与全卷积神经网络的无人机影像建筑物提取方法具有更优越的提取精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢宽平		5	1	1.0	1.0
2	施国武		6	5	1.0	2.0
3	刘斌		8	18	2.0	4.0
4	李霞		3	0	0.0	0.0
5	于洋		1	0	0.0	0.0