面向对象轮廓约束GGVF Snake的建筑物边界优化方法

常京新,高贤君,杨元维,李少华,王萍

Building boundary optimization method based on object-oriented contour constraint GGVF Snake model

Jing-xin CHANG,Xian-jun GAO,Yuan-wei YANG,Shao-hua LI,Ping WANG

表 1 对图3~5中不同方法结果的客观评价

Tab.1 Objective evaluation of different detection results of Fig.3-5

影像编号 对比方法 CM/% CR/% F1/% OA/% CA/% #1 文献[8]的建筑物提取结果 92.54 98.83 95.58 91.54 15.54 #1 文献[4]的建筑物提取结果 94.82 95.67 95.24 90.93 19.10 #1 传统GGVF Snake优化文献[4]的结果 94.11 97.69 95.87 92.07 24.30 #1 文献[5]优化文献[4]的结果 94.63 96.82 95.71 91.78 23.86 #1 本文方法优化文献[4]的结果 95.81 98.88 97.32 94.78 29.81 #1 U-Net神经网络提取结果 94.85 96.26 95.55 91.49 16.16 #1 本文方法优化U-Net结果 99.36 96.06 97.68 95.47 41.49 #2 文献[8]的建筑物提取结果 89.64 90.73 90.18 82.11 23.73 #2 文献[4]的建筑物提取结果 85.44 93.98 89.50 81.00 17.47 #2 传统GGVF Snake优化文献[4]的结果 85.53 92.20 88.74 79.76 18.11 #2 文献[5]优化文献[4]的结果 88.60 88.06 88.33 79.10 17.52 #2 本文方法优化文献[4]的结果 87.02 96.41 91.47 84.29 19.65 #2 U-Net神经网络提取结果 97.98 92.29 95.05 90.57 17.33 #2 本文方法优化U-Net结果 97.82 93.00 95.35 91.12 38.61 #3 文献[8]的建筑物提取结果 81.89 97.34 88.95 80.10 9.14 #3 文献[4]的建筑物提取结果 79.77 99.31 88.48 79.34 8.90 #3 传统GGVF Snake优化文献[4]的结果 86.41 98.64 92.12 85.40 19.90 #3 文献[5]优化文献[4]的结果 91.36 92.83 92.09 85.34 20.76 #3 本文方法优化文献[4]的结果 98.46 94.72 96.55 93.34 38.06 #3 U-Net神经网络提取结果 82.56 96.78 89.10 80.35 12.05 #3 本文方法优化U-Net结果 86.78 96.96 91.58 84.48 20.01