结合深度学习和图割法的遥感影像建筑物检测

论文摘要

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型(GMM),然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。

论文目录

• 1 算法步骤
•   1.1 构建卷积神经网络（CNNs）
•   1.2 预测建筑物轮廓
•   1.3 建筑物轮廓的检测与分割
•   1.4 基于图割法的建筑物初始提取
•   1.5 建筑物边缘优化
• 2 试验及分析
•   2.1 试验1
•   2.2 试验2
•   2.3 试验3
• 3 结语

文章来源

类型: 期刊论文

作者: 刘舸,邓兴升

关键词: 高分辨率正射图像,深度学习,建筑物信息提取,图割,卷积神经网络

来源: 测绘通报 2019年11期

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 长沙理工大学交通运输工程学院

基金: 湖南省教育厅资助科研项目(17B004)

分类号: P237

DOI: 10.13474/j.cnki.11-2246.2019.0354

页码: 69-73

总页数: 5

文件大小: 1760K

下载量: 293