深度残差神经网络高分辨率遥感图像建筑物分割

编号 zgly0001683722

文献类型 期刊论文

文献题名 深度残差神经网络高分辨率遥感图像建筑物分割

作者 王宇  杨艺  王宝山  王田  卜旭辉  王传云 

作者单位 河南理工大学测绘与国土信息工程学院  河南理工大学国土资源部野外科学观测研究基地  河南理工大学电气工程与自动化学院  北京航空航天大学自动化科学与电气工程学院  沈阳航空航天大学计算机学院 

母体文献 遥感技术与应用 

年卷期 2019年04期

年份 2019 

分类号 TP391.41  TP183 

关键词 高分辨率遥感图像  建筑物分割  深度学习  残差神经网络  批量规范化 

文摘内容 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。