基于空洞卷积增强型U-Net的灾损建筑物提取  

作　　者：何群 

机构地区：[1]江西省赣西土木工程勘测设计院有限公司,江西宜春336000

出　　处：《资源导刊》2025年第2期44-46,50,共4页Resources Guide

摘　　要：快速准确识别地震灾害后震区建筑物的倒塌损毁情况对于灾后救援具有重要意义,基于遥感影像的自动化检测方法已成为近年研究重点。针对U-Net模型在地震受灾区复杂场景下检测精度较低的问题,提出一种空洞卷积增强U-Net模型进行灾损建筑物提取。首先对U-Net模型的基础框架进行改进,引入跳跃连接减少边缘和转角的细节损失;同时采用新的卷积模块扩大感受野,并在模型底部增加Dropout模块与空洞卷积金字塔,缓解过拟合现象,提升对波段信息的兼容性。实验结果表明,改进后U-Net模型对于震后灾损建筑物的提取精度更高,总体提升约7.2个百分点,对建筑物边界和小目标识别具备更高的鲁棒性,可有效应用于地震发生后的建筑物提取工作。

关 键 词：深度学习 语义分割 高分辨率影像 地震灾害 建筑物提取 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]