基于深度学习的高分遥感影像建筑物提取研究 |
| |
引用本文: | 王锦洋.基于深度学习的高分遥感影像建筑物提取研究[J].石家庄铁路职业技术学院学报,2023(2):53-57. |
| |
作者姓名: | 王锦洋 |
| |
摘 要: | 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。
|
关 键 词: | 建筑物提取 深度学习 高分辨率遥感影像 U-Net Mask R-CNN |
|
|