基于注意力增强全卷积神经网络的高分卫星影像建筑物提取

基于注意力增强全卷积神经网络的高分卫星影像建筑物提取

,

文章导航 > 自然资源遥感 > 2021 > (2): 100-107

郭文, 张荞. 基于注意力增强全卷积神经网络的高分卫星影像建筑物提取[J]. 自然资源遥感, 2021, (2): 100-107. doi: 10.6046/gtzyyg.2020230

引用本文:

郭文, 张荞. 基于注意力增强全卷积神经网络的高分卫星影像建筑物提取[J]. 自然资源遥感, 2021, (2): 100-107. doi: 10.6046/gtzyyg.2020230

GUO Wen, ZHANG Qiao. Building extraction using high-resolution satellite imagery based on an attention enhanced full convolution neural network[J]. Remote Sensing for Natural Resources, 2021, (2): 100-107. doi: 10.6046/gtzyyg.2020230

Citation:

GUO Wen, ZHANG Qiao. Building extraction using high-resolution satellite imagery based on an attention enhanced full convolution neural network[J]. Remote Sensing for Natural Resources, 2021, (2): 100-107. doi: 10.6046/gtzyyg.2020230

基于注意力增强全卷积神经网络的高分卫星影像建筑物提取

郭文,
张荞

自然资源部第三航测遥感院,成都 610100

西南石油大学地球科学与技术学院,成都 610500

详细信息

中图分类号: TP751 P237

刊出日期: 2021-06-15

Building extraction using high-resolution satellite imagery based on an attention enhanced full convolution neural network

GUO Wen,
ZHANG Qiao

Publish Date: 15 June 2021

摘要: 从卫星遥感影像中自动提取建筑物在国民经济社会发展中具有广泛的应用价值,由于卫星遥感影像存在地物遮挡、光照、背景环境等因素的影响,传统方法难以实现高精度建筑物提取.采用一种基于注意力增强的特征金字塔神经网络方法(FPN-SENet),利用多源高分辨率卫星影像和矢量成果数据快速构建大规模的像素级建筑物数据集(SCRS数据集),实现多源卫星影像的建筑物自动提取,并与常用的全卷积神经网络进行对比.研究结果表明:SCRS数据集的提取精度接近国际领先的卫星影像开源数据集,且假彩色数据精度高于真彩色数据;FPN-SENet的建筑物提取精度优于其他常用的全卷积神经网络;采用交叉熵和dice系数之和为损失函数能够提升建筑物提取精度,最好的分类模型在测试数据上的分类总体精度为95.2%,Kappa系数为79.0%,F1分值和IoU分别达到了81.7%和69.1%.该研究可为高分辨率卫星影像建筑物自动提取提供参考.
- 国产高分卫星影像 /
- 建筑物 /
- 语义分割 /
- 注意力增强

资源附件(0)

计量

文章访问数: 588
PDF下载数: 132
施引文献: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回