摘要：基于卷积神经网络（CNN）提出了一种适用于空心村高分影像的建筑物自动检测方法,该方法利用多尺度显著性检测来获取包含建筑物信息的显著性区域,然后通过滑动窗口获取显著性区域内目标样本块,再将这些样本块输入训练好的CNN并结合SVM来实现分类。为检验方法有效性,选取高分影像进行实验,结果表明,显著性检测能够有效地获取主要目标,减弱其他无关目标的影响,降低数据冗余;卷积神经网络能够自动学习高层次的特征,基于CNN对高分影像进行建筑物检测,分类准确度可以达到97.6%,表明该方法具有较好的鲁棒性和有效性。

关键词：空心村 建筑物检测 卷积神经网络 高分影像 多尺度显著性检测 

单位：西南交通大学地球科学与环境工程学院; 成都611756; 四川省土地统征整理事物中心; 成都610041; 成都理工大学地球科学学院; 成都610059; 四川大学水利水电学院; 成都610065; 中铁二院工程集团有限公司; 成都610031