基于卷积神经网络的建筑物提取

利用遥感图像进行建筑物提取在城市规划、土地利用调查等领域发挥了重要作用。然而,图像中建筑物类型多样,尺度大小不一的特点给自动提取带来了较大的挑战。针对遥感图像提取中大型建筑物容易出现空洞、小型建筑物容易漏检的问题,文章设计了一种融合多尺度特征与非局部计算的方法。该方法采用编码器-解码器结构,首先利用Res2Net50作为编码器以提高多尺度特征提取能力,然后在解码器部分引入非局部计算模块获取上下文信息,以进一步改善不同尺度建筑物的提取结果。结果表明,该方法在建筑物数据集WHU上的评价指标IoU和F1分别达到了89.65%和94.55%,比改进前的UNet网络分别提高了1.52%和0.86%,验证了新方法的有效性。

资料为PDF文档格式.

本文档关键词:提取,建筑物,卷积,神经网络