傳統(tǒng)的遙感影像目標(biāo)提取方法大多采用目視解譯或基于像素信息進(jìn)行處理,難以適用于高分辨率影像中的復(fù)雜場(chǎng)景。而現(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)語(yǔ)義分割模型,由于難以達(dá)到較高的精度會(huì)出現(xiàn)提取目標(biāo)粘連的情況。針對(duì)該問(wèn)題,本文對(duì)實(shí)例分割模型Mask R-CNN進(jìn)行改進(jìn),提出了一種高效、準(zhǔn)確的高分辨率遙感影像建筑物提取算法。首先,在Mask R-CNN原有的特征提取部分每個(gè)層級(jí)的特征圖后再增加一層卷積操作,以降低上采樣造成的混疊效應(yīng);然后,在原有掩膜預(yù)測(cè)結(jié)構(gòu)的基礎(chǔ)上增加一個(gè)分支,改善掩膜預(yù)測(cè)的效果;最后,將改進(jìn)后的網(wǎng)絡(luò)在建筑物數(shù)據(jù)集上進(jìn)行訓(xùn)練。結(jié)果表明,本文方法能夠準(zhǔn)確獨(dú)立預(yù)測(cè)每個(gè)建筑物頂部,沒(méi)有目標(biāo)粘連情況,且mAP值較Mask R-CNN有所提高,能夠有效實(shí)現(xiàn)遙感影像建筑物精細(xì)化提取。 

【文章來(lái)源】：測(cè)繪通報(bào). 2020,(04)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 Mask R-CNN模型及其改進(jìn)
    1.1 網(wǎng)絡(luò)結(jié)構(gòu)
    1.2 基于Mask R-CNN模型的改進(jìn)
2 試驗(yàn)與分析
    2.1 試驗(yàn)數(shù)據(jù)及評(píng)價(jià)準(zhǔn)則
        2.1.1 試驗(yàn)數(shù)據(jù)集
        2.1.2 評(píng)價(jià)準(zhǔn)則
    2.2 模型訓(xùn)練
    2.3 結(jié)果與分析
3 結(jié)語(yǔ)



本文編號(hào)：3079518