U-Net模型在大范围建筑物信息提取中的应用

作者：李越帅; 张桉赫; 张伟; 贾东辉

来源：内陆地震, 2022, 36(03): 211-217.

DOI：10.16256/j.issn.1001-8956.2022.03.003

• 建筑物
• U-Net
• 深度学习
• 遥感影像

建筑物的地理位置、面积等信息对灾害防御、应急救援及灾害评估有重要的意义。高分辨率卫星影像具有丰富的建筑物信息，可进行大范围批量化提取。使用深度学习模型对建筑物信息提取，可有效提高分割精度。为大范围获取建筑物信息，本文中以新疆伊犁州新源县为研究区，使用U-Net神经网络方法，进行批量化处理后计算出建筑物占地面积共计11 160 259 m2,占整个县域比例1.47‰,人均建筑占地面积为35.25 m2。研究表明建筑物提取总体精度达到97.9%,Kappa系数达到86.4%。本研究为自动化、大范围、高精度建筑物提取工作提供了新思路。

• 单位
  新疆维吾尔自治区地震局