深度殘差神經網絡高分辨率遙感圖像建筑物分割

摘要：針對高分辨率遙感圖像建筑物分割問題,提出一種Encoder-Decoder的深度學習框架,建立輸入圖像到分割結果之間的端對端的分割模型。其中Encoder以殘差網絡為基礎,自動提取建筑物的特征;Decoder采用反卷積實現對特征圖的上采樣,從而完成對建筑物的分割;同時引入批量規范化處理,降低了神經網絡權重訓練過程中的梯度競爭,從而減小了神經網絡的訓練難度。實驗表明:提出的建筑物分割算法能有效提取建筑物的塊狀特征和邊緣信息,降低復雜道路等干擾的影響,提升建筑物的分割精準度,算法對鄰近復雜道路的建筑物、規律性建筑物、單體復雜建筑物等3種典型建筑物的分割精度分別為:0.837、0.892和0.630;F值分別為:0.851、0.879和0.730。同時,多分辨率條件下的分割實驗結果表明,該算法對于一定范圍內的多分辨率遙感圖像具有較好的泛化能力。