1 兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
2 兰州交通大学计算机科学与技术国家级实验教学示范中心, 甘肃 兰州 730070
3 兰州交通大学甘肃省人工智能与图形图像处理工程研究中心, 甘肃 兰州 730070
4 兰州交通大学甘肃省轨道交通装备系统动力学与可靠性重点实验室, 甘肃 兰州 730070
针对在遥感影像建筑物提取过程中,建筑物与周围环境信息混淆导致提取精度下降的问题,提出了一种低维特征信息增强的改进U型卷积神经网络(U-net)模型,用于遥感影像建筑物的提取。借鉴医学影像分割中应用广泛的U-net模型对建筑物进行提取;考虑到在网络传播过程中低维细节信息逐级削弱,在特征金字塔中的特征图与扩张路径同级上的特征融合前,先与上一层级的特征图进行融合,进一步优化了提取结果的边缘提取精度。在覆盖范围约340 km 2的遥感影像数据集上进行实验,结果表明本文提出的方法在交并比、像素精度和Kappa系数3个指标上的均值分别达到83.9%、92.8%和83.6%,均优于模糊C均值、全卷积网络与经典U-net方法。
遥感 建筑物提取 U-net 神经网络 低维特征 激光与光电子学进展
2019, 56(22): 222801