融合多特征改进型PSPNet模型应用于复杂场景下的建筑物提取
融合多特征改进型PSPNet模型应用于复杂场景下的建筑物提取
复制标题
DOI：
10.13474/j.cnki.11-2246.2021.0170
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
张建国
中科院分区：
文献类型：
--
作者：
武花;张新长;孙颖;蔡伟男;颜军;邓剑文;张建国
针对复杂场景下高分辨率遥感影像中建筑物提取精度低的问题,本文提出了一种融合多特征改进型PSPNet模型,在PSPNet网络的基础上,加入膨胀卷积模块并融合图像的浅层特征。试验结果表明,融合多特征改进型PSPNet模型的预测结果总体精度为95.90%,建筑物提取精度平均为77.77%,均高于其他模型。其在不同场景上的表现有所差异:复杂场景1的预测精度为80.35%;以城中村建筑物为主的场景2的预测精度为75%;以高层建筑物为主的场景3的预测精度为78.11%。因此本模型可有效地提升高分辨率遥感影像中复杂场景下的建筑物提取精度。