原创力文档- 1、本文档共75页，其中可免费阅读23页，需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
道路和建筑物的数量是衡量城市水平的关键指标。遥感影像中建筑物和道
路的提取方法多样，传统提取方法考虑图像的光谱、几何、纹理、形态等浅层
特征，从人工特征或者图像本身的特征等方面进行建筑物和道路的提取。这些
方法尽管在一定程度上能够提取建筑物，但是往往依赖人为选择的参数和特征，
存在泛化能力不足，耗时长等缺陷。深度学习方法为高效提取这些目标提供了
一种有效手段。本文基于U-Net网络模型，从模型结构和数据处理等多个方面
进行了改进，提升对道路和建筑物的提取准确率。研究
文档评论（0）