1、基于大規(guī)?？梢姽膺b感圖像的全自動(dòng)建筑物提取技術(shù)已經(jīng)被研究了數(shù)十年了。該技術(shù)在遙感圖像分析領(lǐng)域扮演了重要的角色，它被廣泛應(yīng)用于數(shù)字城市，軍事偵察，災(zāi)害評(píng)估等。但是，真實(shí)城市場(chǎng)景中建筑物的尺寸范圍很寬、顏色紋理十分復(fù)雜、日照原因產(chǎn)生的陰影遮擋等難題為屋頂提取帶來(lái)了巨大地挑戰(zhàn)。在本文中，我們提出了一個(gè)完整的建筑物區(qū)域識(shí)別和輪廓估計(jì)系統(tǒng)，相比之前的方法，本文的系統(tǒng)既顯著地提高了識(shí)別準(zhǔn)確率，也降低了輪廓估計(jì)誤差。對(duì)于高分辨率遙感圖像，整個(gè)全自動(dòng)識(shí)

2、別和輪廓提取的過(guò)程耗時(shí)僅為數(shù)秒，成為了當(dāng)前最快的建筑物提取系統(tǒng)。具體地，本文的貢獻(xiàn)可以歸納為如下兩個(gè)方面:
　　(1)本文提出了一個(gè)端到端的多層級(jí)融合全卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，我們稱為HF-FCN，該網(wǎng)絡(luò)結(jié)構(gòu)能夠有效地將具有一組差序感知野的神經(jīng)元感知到的深層圖像特征融合起來(lái)。該網(wǎng)絡(luò)結(jié)構(gòu)可以將任意大小的圖像不加裁剪或變形地作為網(wǎng)絡(luò)輸入，直接得到最終預(yù)測(cè)結(jié)果。這不僅方便了用戶的使用，而且明顯減少網(wǎng)絡(luò)處理時(shí)間。經(jīng)過(guò)本文對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)，我們的

3、網(wǎng)絡(luò)參數(shù)被壓縮至50MB左右。本文還提出了三種HF-FCN的結(jié)構(gòu)變體，并在公開數(shù)據(jù)集上進(jìn)行了性能比較實(shí)驗(yàn)，證明了這些神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的合理性。為了驗(yàn)證本文所提網(wǎng)絡(luò)結(jié)構(gòu)的性能，我們分別和國(guó)際上主流的語(yǔ)義分割方法，基于深度學(xué)習(xí)方法的建筑物識(shí)別方法在公開遙感圖像數(shù)據(jù)集上進(jìn)行了比較，實(shí)驗(yàn)結(jié)果證明了我們的方案在算法復(fù)雜度和識(shí)別準(zhǔn)確率上具有明顯優(yōu)勢(shì)。
　　(2)本文設(shè)計(jì)了一個(gè)高效快速的輪廓估計(jì)方案，該方案為場(chǎng)景中不同尺寸的建筑物定制了不同的后處理