基于纹理增强卷积网络的居民区要素提取

摘要

cqvip:本文针对空间分辨率为2m的光学卫星影像中的居民区要素,利用纹理信息对U-Net网络进行了改进,提出了一种基于纹理增强CNN的居民区要素提取方法。首先,使用灰度级量化方法提取影像的纹理信息,并对其进行归一化;然后,在U-Net网络的1×1卷积层之前融合CNN特征和影像纹理信息,并使用融合后的特征继续前向传播计算损失;最后,通过损失反向传播实现网络训练。本文的创新点在于将影像纹理信息融入CNN特征,提高了语义分割结果的精度。通过在天绘一号卫星数据集上进行的对比实验结果表明,本文方法能够获得较高精度的居民区要素提取结果。