改进LinkNet的高分辨率遥感影像建筑物提取方法

作者：张立亭; 孔文学; 罗亦泳; 邓先金; 夏文生

来源：测绘科学, 2022, 47(09): 120-127+145.

DOI：10.16251/j.cnki.1009-2307.2022.09.015

• 遥感影像
• 建筑物提取
• 三层卷积模块
• 增强感受野模块
• 深度学习

针对现有的遥感影像建筑物提取方法存在着效率低下、精度不高等问题，该文利用轻量型分割网络LinkNet框架构建出新的建筑物提取全卷积网络。设计三层卷积模块替换LinkNet中的残差层作为新的编码块，有效减少网络参数，加快了网络训练速度；融合增强感受野模块聚合多尺度上下文信息，有利于图像特征细节的恢复，从而提高网络分割精度；综合上述两点构建出基于深度学习的高性能建筑物自动提取网络。在相应建筑物数据集上进行实验结果表明，本文构建的全卷积网络比已有的建筑物提取网络SE-Unet综合预测精度更高，取得82.80%的均交并比和95.99%的召回率，同时，在提取建筑物的完整度、边界分割精度等方面具有较好的效果。

• 出版日期2022
• 单位东华理工大学