邓 烨，丁 涛

（1.安徽理工大学空间信息与测绘工程学院，安徽 淮南 232001；2.矿山采动灾害空天地协同监测与预警安徽省教育厅重点实验室，安徽 淮南 232001）

近年来，无人机技术发展势头迅猛，无人机影像在生活中的使用快速增加。无人机具有时效性高、便捷、成本低等优点，利用其拍摄影像及采用影像进行地物提取有着较大的优势。相较于卫星遥感影像，无人机影像具有分辨率较高、受云层等遮挡影响小的优点；相较于普通影像，无人机影像对地物细节描述更细致、含有更多的有用信息，传统的影像分类方法很难有效且精确地从航拍影像中提取建筑物信息。数字城市的重要地理要素之一就是建筑物，是各类城市专题图的重要内容，建筑物的自动获取对于社会公众、各行各业的应用都具有重要的意义。建筑物要素的快速提取是我国基础地理信息建设中一项十分重要的内容。

随着近年来信息技术的快速发展，计算机处理性能大幅提升，全卷积神经网络在影像语义分割及目标识别领域取得了十分显著的成果。Hosseiny等[1]提出了一种基于分段距离的色调、色饱和度、强度（HSI）异常检测方法，该方法利用分割区域的统计特性来抑制误报。钟城等[2]提出了一种卷积神经网络（Convolutional Neural Network，CNN）与生成式对抗网络（Generative Adversarial Networks，GAN）的组合模型。陆煜斌等[3]提出了一种基于残差网络的改进流量分类算法，缓解了传统卷积网络因层次太深导致难以训练的问题。

目前，对于图像分类，研究者们利用全卷积神经网络学习建立模型，已经取得了较理想的成果。……