基于深度学习的城市建筑物阴影提取方法

摘要：

城市建筑物阴影的存在增加了基于高分影像信息提取的复杂度,影响了高分影像的行业应用.以GF-2影像为数据源,以影像覆盖的两个典型阴影区域为实验区,设计了一种基于深度学习技术的城市建筑物阴影提取方法.借助于全卷积神经网络(FCN)对图像进行语义分割,获取阴影信息,通过建立光照方向相邻对象的空间关系,去除建筑物阴影信息中的干扰项.将提取的建筑物阴影结果与面向对象方法提取的结果进行对比,在实验区1和实验区2中,DBSE提取的总体精度分别为97.5％和98.1％,面向对象的总体精度分别为96.2％和97.2％.提升精度的同时,在视觉效果上,DBSE方法在阴影完整性与真实阴影一致性,以及减少阴影错分等方面明显优于OBSE方法.

关键词：高分二号影像、阴影提取、全卷积神经网络、语义分割

所属期刊栏目：27

分类号：TP79(遥感技术)

资助基金：高分辨率对地观测系统重大专项应用共性关键技术预研项目;北京建筑大学市属高校基本科研业务费专项资金

在线出版日期：2020-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：81-86