西安科技大学学报

2020, v.40;No.173(03) 441-448

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于稀疏约束SegNet的高分辨率遥感影像建筑物提取
High-resolution remote sensing image building extraction based on sparsely constrained SegNet

张春森;葛英伟;蒋萧;

摘要(Abstract):

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(KeyWords): 深度学习;特征提取;语义分割;稀疏约束

Abstract:

Keywords:

基金项目(Foundation): 陕西省自然科学基金(2018JM5103)

作者(Author): 张春森;葛英伟;蒋萧;

Email:

DOI: 10.13800/j.cnki.xakjdxxb.2020.0309

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享