基于深度学习的城市建筑物提取研究
Journal: Geological and Mineral Surveying and Mapping DOI: 10.12238/gmsm.v7i4.1738
Abstract
随着城市化进程的加速,高分辨率遥感影像的获取与应用日益普及,城市建筑物提取成为了遥感图像处理领域的重要研究方向之一。本研究采用马萨诸塞州建筑物数据集,旨在评估U-Net模型和LEDNet模型在建筑物提取方面的有效性和优越性。通过实验验证和比较分析,为提高城市建筑物提取的准确性、效率和适用性提供理论和实践支持,推动深度学习技术在城市空间信息处理领域的进一步应用和发展。研究结果表明,U-Net模型在召回率、F1得分和交并比等指标上均优于LEDNet模型,为城市建筑物提取任务提供了更可靠的解决方案。
Keywords
深度学习;城市建筑物提取;U-Net;LEDNet;遥感影像
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 吴俐民,於雪琴,黄亮.FCM聚类算法协同Canny算子的遥感影像边缘检测方法[J].测绘工程,2014,23(12):1-4.
[2] 朱琴,杨英宝,张宁宁.利用LiDAR和航空影像的屋顶边缘提取及优化[J].地理空间信息,2018,16(4):36-39+9.
[3] 韩东成,杨世植,赵强,等.面向对象的高分辨率遥感影像建筑物信息提取[J].大气与环境光学学报,2021,16(4):358-364.
[4] 邢瑾.基于RF的面向对象方法的建筑物提取研究[J].科技创新与应用,2022,12(1):24-27.
[5] 李星,曹建农.基于特征优化的面向对象建筑物提取[J].计算机系统应用,2022,31(9):360-367.
[6] 岱超,刘萍,史俊才,等.利用U型网络的遥感影像建筑物规则化提取[J].计算机工程与应用,2023,59(08):105-116.
[7] 索帅.基于深度学习和实例化方法的车道线检测算法研究[D].湖南大学,2020.
[2] 朱琴,杨英宝,张宁宁.利用LiDAR和航空影像的屋顶边缘提取及优化[J].地理空间信息,2018,16(4):36-39+9.
[3] 韩东成,杨世植,赵强,等.面向对象的高分辨率遥感影像建筑物信息提取[J].大气与环境光学学报,2021,16(4):358-364.
[4] 邢瑾.基于RF的面向对象方法的建筑物提取研究[J].科技创新与应用,2022,12(1):24-27.
[5] 李星,曹建农.基于特征优化的面向对象建筑物提取[J].计算机系统应用,2022,31(9):360-367.
[6] 岱超,刘萍,史俊才,等.利用U型网络的遥感影像建筑物规则化提取[J].计算机工程与应用,2023,59(08):105-116.
[7] 索帅.基于深度学习和实例化方法的车道线检测算法研究[D].湖南大学,2020.
Copyright © 2024 王扶家, 杨政武
![Creative Commons License](http://licensebuttons.net/l/by-nc/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License