基于不同深度学习模型提取建筑轮廓的方法研究

作     者：胡腾云 解鹏飞 温亚楠 慕号伟 HU Tengyun;XIE Pengfei;WEN Yanan;MU Haowei

作者机构：北京市城市规划设计研究院北京100045 北京城垣数字科技有限责任公司北京100045 中国农业大学土地科学与技术学院北京100083 

基　　金：北京科技计划“首都城市安全综合风险评估的关键技术研发和示范”(Z211100004121014) 

出 版 物：《遥感技术与应用》 (Remote Sensing Technology and Application)

年 卷 期：2023年第38卷第4期

页      码：892-902页

摘      要：建筑是城市精细化管理的基础单元,利用高分遥感影像快速准确地提取城市建筑轮廓信息对于城市规划及管理有着重要意义。研究基于北京二号高分辨率(0.8 m)遥感数据,建立了北京市建筑轮廓样本库,利用多种语义分割模型U-Net、DANet、UA-Net(U Attention Net)和实例分割模型Mask R-CNN、Mask R-CNN FPN、Mask R-CNN RX FPN来提取城市建筑轮廓并开展精度评价,通过对比不同类型建筑(如楼房、别墅及村庄建筑等)的提取效果,最终选择整体精度最高且提取效果最好的U-Net模型提取了北京市域的所有建筑轮廓。结果表明:U-Net、DANet、UA-Net、Mask R-CNN、Mask R-CNN FPN和Mask R-CNN RX FPN模型的分类精度分别为79.37%、65.59%、71.03%、61.82%、52.53%和59.70%,且U-Net模型训练时间相对较少。U-Net模型对于建筑轮廓的提取有良好的表现;对比不同模型的识别效果发现,语义分割模型对于平房型建筑识别较有优势,实例分割模型则适用于提取城区及周边地区独栋楼房别墅的建筑轮廓,这为开展典型建筑轮廓提取任务的模型选择提供了科学依据,并且识别的城市建筑成果在一定程度上解决了城市内部精细尺度研究数据缺失的问题。

主 题 词：高分辨率遥感影像 建筑轮廓提取 深度学习 语义分割 实例分割 

学科分类：083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 080203[080203] 081602[081602] 0816[工学-纺织类] 0802[工学-机械学] 

核心收录：

D　O　I：10.11873/j.issn.1004-0323.2023.4.0892

馆 藏 号：203123374...