基于深度学习的高分遥感影像建筑物提取研究

传统的建筑物提取方法普遍存在过分依赖人工设计、自动化程度低、泛化能力弱等问题。随着深度学习算法在高分辨率卫星图像分类领域的应用，本文基于深度学习方法，以福建南安地区为研究区，以国产高分遥感影像为数据源，选取4?块典型区域制作建筑物数据集，搭建U-Net和Mask R-CNN深度学习模型在自建的南安数据集上训练，从定量和定性的角度对比两种模型对建筑物提取的效果，最终选定精度更高的U-Net方法作为最终的提取算法；再对数据集中正负样本的比例进行调整，进一步提高了模型分割的精度，实现了基于深度学习方法的南安地区建筑物的识别和提取。