融合光谱特征和超像素的遥感建筑物分级提取

目前，大多数基于深度学习提取建筑物是采用语义分割的方式，没有考虑建筑物几何特性，而传统方法在对遥感建筑物提取时只考虑其灰度特征，都难以有效提取。针对该问题对光谱信息进行了研究，提出了融合光谱特征和超像素的建筑物提取方法。首先基于分水岭变换产生许多形状大小不一的超像素子区域；然后利用建筑物的光谱特征对建筑物超像素进行合并，从而实现对遥感影像建筑物的初提取；在此基础上剔除已提取出的建筑物，然后根据几何特征选择滑动领域操作抑制噪声；最后根据最大类间方差(Otsu)对遥感影像建筑物进行后提取。所处理的遥感影像建筑物包括荒地、山地、城郊、城市4种类型的区域，通过和经典算法对比验证，实验结果表明，该算法在遥感建筑物提取上有一定优越性。