针对传统机器学习方法在建筑物提取中耗时长且精度低的问题，提出了基于SegNet语义分割模型的改进算法，解决这些挑战。具体来说，采用了稀疏约束的SegNet模型来处理高分辨率遥感影像中的建筑物提取问题。为了提升模型的表现，我们对SegNet模型加入了正则项和Dropout，有效降低了模型过拟合的风险。为了让模型能够提取更丰富的语义特征，引入了金字塔池化模块。在此基础上，我们对SPNet模型进行了进一步改进，加入了Lorentz函数稀疏约束因子，构建了新的语义分割模型LSPNet。

为了验证该算法的可靠性和适用性，我们使用优化后的LSPNet模型对高分辨率数据集中的建筑物进行了识别和提取。实验结果显示，与传统方法相比，提出的算法具有快速收敛和高精度的优势，同时展现出了广阔的应用前景。关于更多高分辨率遥感影像算法的研究，可以参考以下文献：