Page 190 - 测绘新技术的理论与实践研究

测绘新技术的理论与实践研究

对抗训练框架在隐层表征的组成方式方面相当地灵活。

图 5-5 GAN 的结构
3. 地物要素自动提取

（1）基于 CNN 的地物提取
如前文所述，传统的基于 CNN 的分割方法不能确定地物的位置和轮廓，那么，
也就不能用于地物提取。为了确定地物的位置轮廓，需要对每个像素进行分类，

这部分采用了多尺度窗口累积概率的策略。
为了提高居民地轮廓边界的准确性，判别采用比较小的窗口，然后采用滑窗
依次处理。滑窗的策略有两种：逐像素滑窗和不同窗口尺寸多次滑窗。
累积概率的思路如下：选取像素周围的一个图像块作为 CNN 的输入用于训
练和判别，判别结果（即概率）赋值给块内每一像素（判别为真赋值概率，判别

为假则赋值为 0）；多次判别结果求和就是该像素的总概率，用于类别判定。
为了与训练网络的输入数据尺寸保持一致，这部分采取小窗口图像复制的方
法，也就是利用小窗口的图像复制填充输入数据尺寸等大的图像。

（2）基于 CGAN 的地物提取
对于地物提取而言，原始遥感图像是输入数据x，条件y是提取结果的标签图像。

178