基于深度卷积网络的遥感影像建筑物分割方法

摘要

大规模可见光遥感图像的建筑物提取是遥感图像分析领域中的一项重要工作,但是,在真实环境下,城市建筑物的尺寸范围变化大、颜色纹理轮廓复杂,加上树木等造成的遮挡,以及光照等原因,影响建筑物分割的精度.因此,文中设计并实现了两种端到端全卷积神经网络的分割方法,并在两个网络模型中加入剪裁层用以解决预测结果中产生的拼接痕迹问题,同时将IOU评价标准变形加入损失函数中,来提高模型分割精度.两个模型以不同尺度的遥感影像作为网络的输入,将网络模型输出结果采用加权的方式进行融合,进一步提高遥感影像建筑物识别和分割精度.在公开的Inria遥感影像数据集上的实验证明了该方法在遥感影像建筑物分割上的有效性.