深度残差神经网络高分辨率遥感图像建筑物分割
深度残差神经网络高分辨率遥感图像建筑物分割
复制标题
DOI：
10.11873/j.issn.1004
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
王传云
中科院分区：
文献类型：
--
作者：
王宇;杨艺;王宝山;王田;卜旭辉;王传云
针对高分辨率遥感图像建筑物分割问题，提出一种Encoder-Decoder 的深度学习框架，建立输入图像到分割结果之间的端对端的分割模型。其中Encoder 以残差网络为基础，自动提取建筑物的特征；Decoder 采用反卷积实现对特征图的上采样，从而完成对建筑物的分割；同时引入批量规范化处理，降低了神经网络权重训练过程中的梯度竞争，从而减小了神经网络的训练难度。实验表明：提出的建筑物分割算法能有效提取建筑物的块状特征和边缘信息，降低复杂道路等干扰的影响，提升建筑物的分割精准度，算法对邻近复杂道路的建筑物、规律性建筑物、单体复杂建筑物等3 种典型建筑物的分割精度分别为：0.837、0.892 和0.630；F 值分别为：0.851、0.879 和0.730。同时，多分辨率条件下的分割实验结果表明，该算法对于一定范围内的多分辨率遥感图像具有较好的泛化能力。