科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对使用卷积神经网络对建筑物提取的精度低、效率慢、检测结果对比不明显等问题，提出了一种改进后的U-Net卷积神经网络方法。该方法以蜀南竹海高分辨率卫星影像为研究对象，通过手工建筑物外廓矢量化生成样本标签，所使用的网络模型在传统U-Net的基础上增加了多层卷积结构，并在每层卷积结构上增加了一层BN(Batch Normalization)层，能够以高学习率完成样本训练，最后使用遥感图像处理平台（ENVI）监测工具生成蜀南竹海2017年和2020年建筑物动态监测变化图。对本实验的数据集进行样本提取结果指标评估，得到的训练数据准确率为99.58%，测试数据准确率为98.46%，整体精度为98.44%，召回率为99.33%，交并比为98.43%，均高于传统U-Net网络结构，说明本实验使用的改进型U-Net深度学习方法具有一定的适用性和有效性。
- 出版日期2022
- 单位四川轻化工大学
