- · 《遥感学报》栏目设置[09/01]
- · 《遥感学报》数据库收录[09/01]
- · 《遥感学报》投稿方式[09/01]
- · 《遥感学报》征稿要求[09/01]
- · 《遥感学报》刊物宗旨[09/01]
来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。 一、投稿方式： 1、 请从 我刊官网 直接投稿 。 2、 请 从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。 二、稿件著作权： 1、 投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、 投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 第5条所述之网络是指通过我刊官网。 7、 投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。
自然地理学和测绘学论文_基于PRCUnet的高分遥
作者:网站采编关键词:
摘要：文章目录 1 引言 2 研究方法 2.1 PRCUnet网络模型 2.1.1 卷积块注意力模块 2.1.2 残差模块 2.1.3 多尺度语义特征解析 2.2 建筑物轮廓优化 2.2.1 基于最小外接矩形的局部笛卡尔坐标系 2.2.2 建筑物
文章目录
1 引言
2 研究方法
2.1 PRCUnet网络模型
2.1.1 卷积块注意力模块
2.1.2 残差模块
2.1.3 多尺度语义特征解析
2.2 建筑物轮廓优化
2.2.1 基于最小外接矩形的局部笛卡尔坐标系
2.2.2 建筑物轮廓区域的划分
2.2.3 基于Hausdorff距离的建筑物轮廓规整
2.2.4 基于道格拉斯-普克法的建筑物轮廓简化
3 实验结果与分析
3.1 数据集及实验环境设置
3.2 提取性能指标
3.3 PRCUnet提取结果分析
3.4 建筑物轮廓优化结果分析
3.5 建筑物提取结果与优化效果评价
4 结论
文章摘要:基于高分辨率遥感影像的建筑物提取具有重要的理论与实际应用价值,深度学习因其优异的深层特征提取能力,已经成为高分影像提取建筑物的主流方法之一。本文在改进深度学习网络结构的基础上,结合最小外接矩形与Hausdorff距离概念,对建筑物提取方法进行改进。本文主要改进内容为:（1）基于Unet网络结构,利用金字塔池化模块（Pyramid Pooling Module, PPM）的多尺度场景解析特点,残差模块（Residual Block, RB）的特征提取能力以及卷积块注意力模块（Convolutional Block Attention Module, CBAM）对空间信息和通道信息的平衡能力。将金字塔池化、残差结构以及卷积块注意力模块引入到Unet模型中,建立PRCUnet模型。PRCUnet模型更关注语义信息和细节信息,弥补Unet对小目标检测的欠缺;（2）基于最小外接矩形与Hausdorff距离,改进建筑物轮廓优化算法,提高模型的泛化能力。实验表明,本文的建筑物提取方法在测试集上准确率、IoU、召回率均达到0.85以上,精度显著优于Unet模型,提取出的建筑物精度更高,对小尺度及不规则的建筑物有较好的提取效果,优化后的建筑物轮廓更接近真实的建筑物边界。
文章关键词:
项目基金:《遥感学报》 网址: http://www.ygxbzz.cn/qikandaodu/2021/1009/830.html