融合类别语义特征的卷积神经网络建筑物提取

摘要：

针对当前基于卷积神经网络的建筑提取方法在数据输入层对建筑语义信息利用不足的问题,提出一种融合类别语义特征的卷积神经网络建筑物提取方法.首先,从影像上提取形态学建筑指数,该指数能够直接表征建筑覆盖信息,是一种高层次的语义特征;然后,将该建筑语义特征作为原始影像的补充通道一起输入到卷积神经网络模型中训练,从数据层进一步增强建筑与背景的可分性.采用国际上公开的具有多种地物形态的标准建筑数据集验证本文方法的有效性.实验表明,所提出的方法取得了满意的精度(准确率为85.6％,召回率为93.1％,F指数为88.4％),相对于原始的RGB影像输入,建筑物语义特征的加入整体上提升了建筑物提取的精度.

关键词：建筑提取;语义分割;语义特征;高分辨率影像;深度学习

所属期刊栏目：36

分类号：TP751(遥感技术)

资助基金：天津市重点研发计划科技支撑重点项目;天津市重点研发计划院市合作项目

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：49-55