-
题名IEU-Net高分辨率遥感影像房屋建筑物提取
被引量：33
- 1
-
-
作者
王振庆
周艺
王世新
王福涛
徐知宇
-
机构
中国科学院空天信息创新研究院
中国科学院大学
-
出处
《遥感学报》
EI
CSCD
北大核心
2021年第11期2245-2254,共10页
-
基金
国家重点研发计划(编号:2017YFB0504101,2016YFC0803004)。
-
文摘
房屋建筑物作为人类活动的主要场所,快速准确地将其从高分辨率遥感影像中提取出来,对促进遥感信息在防灾减灾、城镇管理等方面的应用具有重要意义。本文基于深度学习,提出了高分辨率遥感影像房屋建筑物像素级精确提取方法。首先,针对样本图像边缘像素特征不足现象,以U-Net模型为基础提出IEU-Net模型,设计了全新的忽略边缘交叉熵函数IELoss并将其作为损失函数,另外添加Dropout和BN层在避免过拟合的同时提高模型训练速度和鲁棒性。其次,为解决模型特征丰富度有限的问题,引入形态学建筑物指数MBI,与遥感影像RGB波段一同参与到模型的分类过程。最后,在模型预测时与IELoss相对应采用忽略边缘预测策略从而获得最佳建筑物提取结果。实验对比分析表明:本文方法能有效克服样本边缘像素特征不足问题并抑制道路、建筑物阴影对结果的影响,提升高分辨率遥感影像中房屋建筑物的提取精度。
-
关键词
深度学习
ieu-net
高分辨率遥感影像
房屋建筑物
形态学建筑物指数
-
Keywords
deep learning
ieu-net
high-resolution remote sensing image
house building
MBI
-
分类号
P237
[天文地球—摄影测量与遥感]
-
