基于改进后的SegNet高分影像建筑物提取

作者：沈晶灵; 杨晓竹

来源：河南科技, 2021, 40(25): 6-10.

• SegNet
• 高分影像
• 建筑物提取
• ASPP模块

针对传统监督分类对高空间分辨率遥感影像中建筑物信息提取精度较低的问题,改进SegNet模型,利用U-Net模型中的跳层连接结构补充SegNet模型中解码器层的目标细节,加入空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块增强网络对多尺度目标的捕捉能力。利用改进后的SegNet、全卷积神经网络(Full Convolutional Networks,FCN)、支持向量机(Support Vector Machine,SVM)和最大似然法(Maximum Likelihood Classification,MLC),对遥感影像中建筑物的提取结果进行对比分析。以法国国家信息与自动化研究所航空图像标记数据集为数据源,对分类结果进行定性和定量分析。在有限的迭代次数和实验区域内,改进后的SegNet的Kappa系数在80%以上,总体精度超过90%,在边缘细节的分类效果更精细,改进后的SegNet对遥感图像中建筑物的提取效果更好、精度更高,具有可行性和有效性。

• 单位
  辽宁工程技术大学