高分辨率卫星图像中密集城区建筑物自动提取算法研究.pdfVIP

高分辨率卫星图像中密集城区建筑物自动提取算法研究.pdf

高分辨率卫星图像中密集城区建筑物自动提取算法

研究

随着遥感技术的快速发展，高分辨率卫星图像已成为城市规划、资

源管理、环境监测等领域的重要数据来源。在此类卫星图像中，城市中

心区的建筑物密集，对自动提取算法提出了新的挑战。

本文主要探讨了一种基于深度学习的建筑物自动提取算法，通过对

卫星图像进行分割，提高了提取建筑物得精准度。具体步骤如下：

一、建筑物分割

对于城市中心区的高分辨率卫星图像，建筑物的数量和大小差异极

大，传统的基于形状和颜色的算法容易出现漏检、误检等问题。为了提

高建筑物的提取精准度，本文采用了一种基于深度学习的卷积神经网络

（CNN）模型，完成了建筑物的轮廓分割。

首先，我们选取一部分城市中心区的高分辨率卫星图像进行标注，

建立训练数据集。对于每张图像，我们手动标记出建筑物的边界，并将

这些数据集和卫星图像一起输入神经网络进行训练。通过不断迭代训练，

网络能够逐渐学习到建筑物的特征，进而完成对建筑物的自动分割。

二、建筑物特征提取

进行建筑物分割后，我们需要进一步提取建筑物的特征，在图像中

将其标记出来。本文采用了基于区域的方法，通过将图像分成若干个区