建筑物提取在城市規(guī)劃等土地利用分析中發(fā)揮著重要作用。用于提取建筑物的傳統(tǒng)方法通�；谑止ぬ卣骱头诸惼�,導(dǎo)致精度較低。本文基于編解碼結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)CNN （Convolutional Neural Networks）,自主學(xué)習(xí)多級(jí)的和具有區(qū)分度的特征來更好地辨識(shí)建筑物和背景,實(shí)現(xiàn)航空影像中的像素級(jí)建筑物提取。該網(wǎng)絡(luò)由編碼子網(wǎng)絡(luò)和解碼子網(wǎng)絡(luò)兩部分組成,編碼子網(wǎng)絡(luò)對(duì)輸入圖像進(jìn)行空間分辨率壓縮,完成特征提取;解碼子網(wǎng)絡(luò)從特征中提升空間分辨率,完成像素級(jí)的建筑物提取。此外,本文使用視野增強(qiáng)FoVE （Field-of-View Enhancement）方法減輕邊緣現(xiàn)象（切片邊緣附近的建筑物提取精度通常低于中心區(qū)域附近的精度）的影響,并分別在兩個(gè)建筑物提取標(biāo)準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)表明,編解碼卷積神經(jīng)網(wǎng)絡(luò)能有效實(shí)現(xiàn)像素級(jí)建筑物提取,FoVE能有效提高建筑物提取準(zhǔn)確率;通過改變預(yù)測(cè)時(shí)切片大小和重疊度,分析其對(duì)建筑物提取結(jié)果的影響,揭示了FoVE的飽和性。 

【文章來源】：遙感學(xué)報(bào). 2020,24(09)北大核心EICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
1 引言
2 方法
    2.1 網(wǎng)絡(luò)結(jié)構(gòu)
    2.2 視野增強(qiáng)
3 實(shí)驗(yàn)和結(jié)果
    3.1 數(shù)據(jù)集
    3.2 結(jié)果和分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]密集反卷積網(wǎng)絡(luò)在遙感建筑物提取中的應(yīng)用[J]. 張歡,雷宏,陳凱強(qiáng).  計(jì)算機(jī)工程與應(yīng)用. 2018(11)



本文編號(hào)：3446908