基于Pytorch框架搭建U-Net網絡模型的遙感影像建筑物提取研究

焦利偉，張 敏，麻連偉，秦建輝

(1.河南省煤田地質局物探測量隊，河南 鄭州 450009；2.河南省地質物探工程技術研究中心，河南 鄭州 450009；3.河南理工大學 工商管理學院，河南 焦作 454003)

隨著計算機技術的快速發展，計算機的計算能力有了很大的提升。此外,借助于大數據的興起、遙感影像分辨率的提升，多種大規模的數據集也相繼出現,這些都為深度學習的成熟提供了土壤。傳統的信息提取方法對影像信息的利用不足，多是基于影像的底層特征如光譜特征、紋理特征、幾何特征等[1-2]，特征選擇相對單一，容易存在“同物異譜、異物同譜”現象。學者NEVATIA 等[3]利用建筑物的直線和角點等幾何特征進行建筑物的提取；于書媛等[4]以高分一號影像為數據源，采用面向對象的 CART 決策樹算法進行建筑物提取，相較于傳統的決策樹方法，精度有了一定提高；秦夢宇等[5]利用決策樹的J48算法進行高分影像的建筑物提取，首先利用多尺度分割選取最優分割尺度，獲得影像對象，然后利用特征空間優選工具得到最優特征子集，最后與傳統的信息提取方法進行對比；林雨準等[6]提出了一種綜合影像的光譜、形狀、空間、紋理多特征融合的方法進行高分影像建筑物分級提取，首先利用建筑物指數和形狀特征提取完整的矩形建筑物目標，在此基礎上利用光照方向和陰影特征對已選建筑物進行篩選，然后建立概率模型進行建筑物提取。這些傳統的方法雖然能夠提取出建筑物信息，但提取的精度不高。……