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：华南师范大学学报(自然科学版), 2022, 54(01): 70-78.

• 深度学习
• 建筑物提取
• U-Net模型
• 全连接条件随机场

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。

• 单位
  华南师大（清远）科技创新研究院有限公司; 广东晟腾地信科技有限公司; 华南师范大学