典型文献
城市尺度典型地表要素综合提取方法研究
文献摘要：
国产高分卫星分辨率的不断提高,使其可以从几何形态、纹理结构及光谱信息等不同侧面实现对城市地表要素的精细描述.与面向对象分类技术相比,深度学习技术的快速发展,使得城市建筑物提取的精度不断提高.然而,由于道路两旁高大建筑物及树木的遮挡,城市道路的提取精度依然有限.本文在利用卷积神经网络提取建筑物的基础上,利用OSM面状道路数据及城市边界数据,结合植被指数和水体指数,借助空间图层叠加,使得城市建筑物、道路、植被和水体提取总体精度优于90％,为国产高分影像辅助城市精细化管理和应用提供了有效解决方案.
文献关键词：
地表要素;GF-2;OSM;深度学习
中图分类号：
作者姓名：
孙琴琴;蔡国印;杨柳忠;张宁;杜明义
作者机构：
北京建筑大学测绘与城市空间信息学院,北京100044;北京建筑大学未来城市设计高精尖中心,北京100044;住建部遥感应用中心,北京100835
文献出处：
引用格式：
[1]孙琴琴;蔡国印;杨柳忠;张宁;杜明义-.城市尺度典型地表要素综合提取方法研究)[J].测绘通报,2022(02):62-66
A类：
B类：
城市尺度,地表要素,要素综合,综合提取,国产高分卫星,几何形态,纹理结构,光谱信息,同侧,城市地表,精细描述,面向对象分类,分类技术,深度学习技术,城市建筑物提取,两旁,高大建筑,树木,遮挡,城市道路,OSM,路数,城市边界,植被指数,水体指数,图层叠加,水体提取,总体精度,高分影像,城市精细化管理,GF
AB值：
0.456272
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。
