利用U型网络的遥感影像建筑物规则化提取

作者:岱超; 刘萍; 史俊才; 任鸿杰
更新时间:

针对卷积神经网络双线性插值和转置卷积算法高分辨率遥感图像建筑物提取任务中分割对象轮廓无法准确恢复的问题,基于Unet网络建立了改进的resnext spp Unet全卷积神经网络,并提出了一种改进的Douglas Peucker图像后处理算法来完成建筑物提取的正则化。ResNeXt_SPP_Unet网络关注两个方面:一是用resnext block代替Unet中的标准卷积,减少模型运算次数,提高网络分割精度。另一种是在Encoder边缘引入SPP金字塔池层,通过多尺度特征融合提高目标边缘的分割精度。实验结果表明,改进的resnext-spp-UNET在从高分辨率遥感图像中提取建筑物时,优于经典分割网络如Unet和尖端分割网络如reset++。平均相交合并比为0.8538,平均像素精度为0.9359。最后,在将改进后的Douglas Peucker算法模型与resnext spp UNET模型连接后,通过增加建筑物轮廓边缘的旋转和连接等处理操作,对算法进行了改进,以进一步拟合建筑物的真实轮廓,并对建筑物的边界进行正则化。效果很好。