利用边界校正网络提取建筑物轮廓

摘要

基于影像自动提取建筑物轮廓是遥感领域在现代化城市建设中长期存在的问题.为了充分利用高分辨率遥感影像中建筑物的全局和局部信息以更精确地对建筑物进行分割和提取,提出了基于全卷积神经网络的针对边界约束的校正神经网络模型.该模型由共享后端和多任务预测模型组成,利用修改的U-net和多任务框架,根据共享后端的一致特征生成分割图预测和轮廓构建.模型通过对边界信息的限制和规定,提高性能.在建筑物数据库上的实验表明,边界校正网络模型在建筑物分割和轮廓提取的结果精度均在89％以上,优于传统的U-net模型结果.