文件名称：基于稀疏约束SegNet的高分辨率遥感影像建筑物提取-论文
文件大小：7.01MB
文件格式：PDF
更新时间：2024-07-28 00:00:14
深度学习 特征提取 语义分割 稀疏约束
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。