基于全卷积神经网络的建筑物屋顶自动提取

作者：刘文涛; 李世华; 覃驭楚^*

来源：地球信息科学学报, 2018, 20(11): 1562-1570.

• 遥感图像
• 建筑物
• 深度学习
• 卷积神经网络
• 自动提取

高分辨率遥感影像在地面自动目标提取中得到了广泛应用,然而利用传统算法,很难高精度地进行实时的建筑物屋顶绘图。本文使用深度学习方法探讨建筑物屋顶分割,由于卷积运算对形变、旋转、光照条件的不敏感,设计了一种用于建筑物屋顶提取的深度卷积神经网络,提出的网络为级联式全卷积神经网络,在深度卷积神经网络的设计中使用了特征复用和特征增强,实现建筑物的自动精确提取。以美国马萨诸塞州建筑物数据集为基础的实验结果表明,本文提出的网络结构取得了92.3%的总体预测精度,和其他方法相比,本文提出的方法具有更高的精度

• 单位
  遥感科学国家重点实验室; 电子科技大学; 中国科学院遥感与数字地球研究所