节点文献

基于稀疏约束SegNet的高分辨率遥感影像建筑物提取

免费订阅

【作者】 张春森葛英伟蒋萧

【Author】 ZHANG Chun-sen;GE Ying-wei;JIANG Xiao;College of Geomatics,Xi’an University of Science and Technology;

【通讯作者】 张春森;

【机构】 西安科技大学测绘科学与技术学院

【摘要】 针对传统机器学习方法提取建筑物,耗时长和精度低的问题。文中选用深度学习中的SegNet语义分割模型进行算法改进,提出了一种基于稀疏约束SegNet的高分辨率遥感影像建筑物提取算法。首先对SegNet模型加入正则项和Dropout,大大降低了模型过拟合现象的发生;其次为了模型能够提取更丰富的语义特征,算法引入金字塔池化模块;最后对SPNet模型引入Lorentz函数稀疏约束因子,构造新的语义分割模型LSPNet.为了验证提出算法的可靠性和适用性,使用优化LSPNet模型对高分辨率数据集中的建筑物识别和提取。实验结果表明,该方法与传统机器学习方法相比较,有着快速收敛、精度高的优势,并且具有很好的应用前景。

【关键词】 深度学习特征提取语义分割稀疏约束
【基金】 陕西省自然科学基金(2018JM5103)
  • 【DOI】10.13800/j.cnki.xakjdxxb.2020.0309
  • 【分类号】TU198;TP751
  • 【下载频次】95
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: