基于卷积网络的遥感图像建筑物提取技术研究

摘 要: Mask RCNN是当前最高水平的实例分割算法，本文将该算法应用到高分辨率遥感图像建筑物提取中， 提出了一种高效、准确的高分辨率遥感图像建筑物提取方法。首先，利用Tensorflow和Keras深度学习框架搭建Mask RCNN网络模型；然后，通过有监督学习方式在IAILD数据集上进行模型学习。利用训练出的模型对测试集进行建筑 物提取实验，通过与基于KNN和SVM等建筑物提取方法对比可以看出，本文方法可以更加完整的、准确的提取出建筑 物。采用mAP评价指标对实验结果进行定量评价，本文算法的查全率和查准率均大于对比算法，且多次实验中本文算 法的mAP均在81%以上，验证了基于卷积网络的高分辨率遥感图像建筑物提取的有效性和准确性。