首页|基于深度学习的高分遥感影像乡镇建筑物识别方法

基于深度学习的高分遥感影像乡镇建筑物识别方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
目的 随着遥感卫星技术的进步,卫星图像的空间分辨率、时间分辨率及光谱分辨率越来越高,所包含的信息越来越丰富.乡镇建筑物的识别可以利用高分辨率遥感影像进行提取,可以有效地分析农村的人口密度和用地分配,从而为农村发展规划提供重要参考.方法 根据乡镇建筑物的特点将建筑物分成对应的几类进行标注,然后将样本送入已经搭建好的基于TensorFlow平台的Faster-RCNN模型进行训练,利用CNN提取特征,通过构建区域推荐网络(RPN)提取可能的建筑物区域,利用检测网络对目标区域进行判别和分类.结果 最终模型的识别准确率达到93.06％,具有较好的鲁棒性和泛化性.结论 本文提出的乡镇建筑物提取框架,建立了乡镇区域的建筑物样本库,有效地避免了图像分类的局限性,同时提高了乡镇建筑物识别的精度.
Township Buildings Identification Using Deep Learning on High-Resolution Satellite Imagery

王利忠、张宏海、仲波、牛铁

展开 >

中国科学院计算机网络信息中心,北京 100190

中国科学院大学,北京 100049

中国科学院遥感与数字地球研究所,北京 100094

卫星图像 乡镇建筑物 Faster-RCNN 区域推荐网络 TensorFlow

2019

科研信息化技术与应用

科研信息化技术与应用

影响因子：0.364
ISSN：
年,卷(期)：2019.10(1)
  • 7
  • 12