论文部分内容阅读
为了充分融合不同深度学习模型在建筑提取中的互补信息,该文提出一种基于深度学习概率决策融合的高分辨率影像建筑物提取方法,将不同深度学习模型的类别分割概率进行融合作为最终建筑提取的依据,以实现不同模型之间的优势互补,最后采用形态学后处理方法进一步优化建筑提取结果。采用3组不同分辨率,具有多种地物形态的建筑数据集验证该文方法的有效性。实验表明该文提出的概率决策融合方法取得了满意的精度(F指数分别为92.45%,90.56%,79.95%),优于单一模型的结果,并且显著提升了建筑提取结果的可靠性。