融合空间置弃层的U-Net高分影像建筑智能解译

摘要：

针对传统基于光谱和面向对象的建筑物提取方法多噪声和边缘羽化严重,标准U-Net高分遥感影像解译计算开销大等问题,提出了一种改进方法.该方法通过修改标准U-Net输入样本尺寸、卷积核数量和卷积层数量,基于Adam最优化算法,采用逐维度加和特征融合取代沿通道维度联合特征融合,并首次将空间置弃层引入标准U-Net中用于提高模型效率和改善目标边缘精度.定量分析和实验结果表明:空间置弃层有助于缓解因数据特征分布不均衡导致的精度变异问题;融合空间置弃层的改进U-Net模型可以有效改善椒盐噪声和建筑物边缘羽化问题,提高面向复杂场景高分遥感影像解译精度,加快模型训练收敛速度,减少模型参数数量和模型训练时间.

关键词：建筑解译;高分影像;U-Net;空间置弃层;特征融合;复杂场景

所属期刊栏目：36

分类号：TP753(遥感技术)

资助基金：安徽省教育厅高校自然科学基金项目;合肥学院科学研究发展基金项目;安徽省自然科学基金项目;中国博士后科学基金项目

在线出版日期：2021-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：18-24