针对传统PolSAR影像建筑区域提取方法对影像特征利用不充分、自动化程度不高的问题,研究一种基于全卷积网络(fully convolutional networks,FCN)和条件随机场(conditional random field,CRF)相结合的建筑区域提取方法。该方法充分利用FC...针对传统PolSAR影像建筑区域提取方法对影像特征利用不充分、自动化程度不高的问题,研究一种基于全卷积网络(fully convolutional networks,FCN)和条件随机场(conditional random field,CRF)相结合的建筑区域提取方法。该方法充分利用FCN网络对影像进行逐像素分类并能自动提取影像高层特征的优势,首先通过制作样本集对FCN网络进行训练;然后利用训练好的模型进行初步的建筑区域提取;最后利用可以联系上下文信息的条件随机场CRF对结果进行优化处理。实验结果表明,该方法可以充分利用影像的语义信息,有效地减少孤立点,提高对细节、轮廓的提取精度,获得较高精度的建筑区域提取结果。展开更多
文摘针对传统PolSAR影像建筑区域提取方法对影像特征利用不充分、自动化程度不高的问题,研究一种基于全卷积网络(fully convolutional networks,FCN)和条件随机场(conditional random field,CRF)相结合的建筑区域提取方法。该方法充分利用FCN网络对影像进行逐像素分类并能自动提取影像高层特征的优势,首先通过制作样本集对FCN网络进行训练;然后利用训练好的模型进行初步的建筑区域提取;最后利用可以联系上下文信息的条件随机场CRF对结果进行优化处理。实验结果表明,该方法可以充分利用影像的语义信息,有效地减少孤立点,提高对细节、轮廓的提取精度,获得较高精度的建筑区域提取结果。
