典型文献
一种基于边界感知的遥感影像建筑物提取方法
文献摘要：
遥感影像的复杂性给建筑物提取研究带来了极大的挑战.深度学习的引入提高了遥感影像建筑物提取的准确率,但仍存在边界模糊、目标漏检和提取区域不完整等问题.针对这些问题,提出了一种基于边界感知的遥感影像建筑物提取网络,该网络包括特征融合网络、特征增强网络和特征细化网络三部分.首先,特征融合网络采用编码-解码结构提取不同尺度特征,并设计了交互聚合模块融合不同尺度的特征;然后,特征增强网络采用减法和级联操作对漏检目标进行学习增强,得到更加全面的特征;最后,特征细化网络使用编码-解码结构对特征增强网络的输出进一步细化,得到丰富的建筑物边界特征.此外,为使网络更加稳定有效,将二值交叉熵损失和结构相似性损失相结合,从像素和图像结构两个层次监督模型的训练学习.通过在数据集WHU上的测试,可知本网络较其他经典算法的客观指标交并比和准确率均有提升,分别达到了96.0％和97.9％;同时主观视觉上提取的建筑物边界更加清晰,区域更加完整分明.
文献关键词：
建筑物提取;边界感知;编码解码;遥感影像;深度学习
中图分类号：
作者姓名：
张艳;王翔宇;张众维;孙叶美;刘树东
作者机构：
天津城建大学计算机与信息工程学院,天津300384
文献出处：
引用格式：
[1]张艳;王翔宇;张众维;孙叶美;刘树东-.一种基于边界感知的遥感影像建筑物提取方法)[J].西安电子科技大学学报（自然科学版）,2022(01):236-244
A类：
B类：
边界感知,遥感影像,建筑物提取,边界模糊,漏检,特征融合网络,特征增强,三部分,结构提取,不同尺度,尺度特征,模块融合,减法,网络使用,出进,边界特征,交叉熵损失,结构相似性,像素,和图像,训练学,WHU,知本,客观指标,交并比,加完,整分,编码解码
AB值：
0.348699
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
