基于BAU-Net的高分辨率遥感图像中建筑物的分割提取

高分辨率遥感图像中建筑物的分割提取是现代数字化城市建设、经济预测、国土资源勘探以及国防安全等领域中重要的技术手段。本文基于U-Net网络提出了一种双U型Encoder-Decoder架构的边缘意识U型深度神经网络—BAU-Net。该网络模型首先利用粗特征提取网络对建筑物进行初次识别提取,再通过残差结构的细特征提取网络修正边缘轮廓。通过可行性实验以及与经典特征提取网络对比,本文所采用的模型算法可以在一定程度上克服道路、车辆、树木遮挡以及建筑物阴影干扰,准确有效地识别建筑物主体,精确完整地分割建筑物边缘轮廓。在测试集上准确率达到90.48%、召回率达到91.30%、F值达到90.58%、平均绝对误差达到0.0325,均优于经典分割算法。