融合级联CRFs和U-Net深度学习模型的遥感影像建筑物自动提取

• 作者: 陈嘉浩 邢汉发 陈相龙
• 来源期刊: 华南师范大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 深度学习 建筑物提取 U-Net模型 全连接条件随机场
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 地理科学与技术|Geography Science & Technology
• 页码范围: 70-78
• 页数: 9页
• 分类号: P237
• 语种: 中文
• DOI: 10.6054/j.jscnun.2022011

摘要

针对深度学习模型进行建筑物提取时存在的建筑物边缘模糊问题,将级联CRFs(全连接条件随机场)引入到U-Net深度模型中,提出了一种改进的U-Net模型(U-Net+级联CRFs),以用于遥感影像建筑物自动提取:构建级联CRFs并将其引入到U-Net模型的解码层中,从多层结构中学习边界信息,增强模型对建筑物边界的分割能力.并以广东省佛山市为研究区,利用U-Net+级联CRFs、U-Net+CRFs、U-Net、SVM模型进行建筑物提取实验.结果表明U-Net+级联CRFs模型可以有效识别建筑物边界信息,提高建筑物提取的精度:U-Net+级联CRFs模型在准确度、召回率、F1值和交并比4个指标上的均值分别达到了93.1％、87.5％、91.4％和85.1％,均优于U-Net+CRFs、U-Net、SVM模型.