基于深度学习的高分遥感影像乡镇建筑物识别方法

摘要

目的随着遥感卫星技术的进步,卫星图像的空间分辨率、时间分辨率及光谱分辨率越来越高,所包含的信息越来越丰富。乡镇建筑物的识别可以利用高分辨率遥感影像进行提取,可以有效地分析农村的人口密度和用地分配,从而为农村发展规划提供重要参考。方法根据乡镇建筑物的特点将建筑物分成对应的几类进行标注,然后将样本送入已经搭建好的基于Tensor Flow平台的FasterRCNN模型进行训练,利用CNN提取特征,通过构建区域推荐网络（RPN）提取可能的建筑物区域,利用检测网络对目标区域进行判别和分类。结果最终模型的识别准确率达到93.06%,具有较好的鲁棒性和泛化性。结论本文提出的乡镇建筑物提取框架,建立了乡镇区域的建筑物样本库,有效地避免了图像分类的局限性,同时提高了乡镇建筑物识别的精度。