基于改进U-Net模型的高分辨率遥感影像中城市建筑物的提取 |
| |
引用本文: | 秦梦宇,刘勇,张寅丹,张洋,侯建西.基于改进U-Net模型的高分辨率遥感影像中城市建筑物的提取[J].兰州大学学报(自然科学版),2022(2):254-261+269. |
| |
作者姓名: | 秦梦宇 刘勇 张寅丹 张洋 侯建西 |
| |
作者单位: | 1. 兰州大学资源环境学院;2. 兰州大学超算中心;3. 河北长风信息技术有限公司 |
| |
基金项目: | 国家自然科学基金项目(41271360); |
| |
摘 要: | 针对高分辨率遥感影像中城市建筑物周围环境复杂多样,易被阴影遮挡,难以精细化提取的问题,提出一种改进的U-Net网络用于图像中的城市建筑物提取.该网络在标准U-Net网络的编码器末端嵌入双重注意力模块,可以通过捕获全局建筑物信息和长通道建筑物信息,实现建筑物特征的增强.在交叉熵损失函数的基础上加入Lovász损失函数,构成的复合损失函数增强了对建筑物提取结果的约束能力,进一步提高了模型的鲁棒性.将该模型在美国马萨诸塞州数据集上进行验证,提取建筑物的F1-score为87.83%.结果表明,本方法对高分辨率遥感影像中周围环境复杂多样、被阴影遮挡的城市建筑物具有较强的提取能力.
|
关 键 词: | 高分辨率遥感影像 城市建筑物提取 U-Net 双重注意力模块 复合损失函数 深度学习 |
|
|