利用边界校正网络提取建筑物轮廓

摘要：

基于影像自动提取建筑物轮廓是遥感领域在现代化城市建设中长期存在的问题.为了充分利用高分辨率遥感影像中建筑物的全局和局部信息以更精确地对建筑物进行分割和提取,提出了基于全卷积神经网络的针对边界约束的校正神经网络模型.该模型由共享后端和多任务预测模型组成,利用修改的U-net和多任务框架,根据共享后端的一致特征生成分割图预测和轮廓构建.模型通过对边界信息的限制和规定,提高性能.在建筑物数据库上的实验表明,边界校正网络模型在建筑物分割和轮廓提取的结果精度均在89％以上,优于传统的U-net模型结果.

关键词：全卷积神经网络、建筑物提取、图像分割、轮廓提取、U-net模型

所属期刊栏目：35

分类号：TP751(遥感技术)

资助基金：江西省教育厅科学技术研究项目GJJ160617

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：119-126