该发明技术涉及遥感图像处理技术领域，尤其涉及一种高分辨率遥感图像建筑物识别领域。为提高高分辨率遥感图像建筑物识别精度，该文提出了一种基于深度学习的建筑物提取识别的方法。该方法构建了一个16层的卷积神经网络模型，其中前13层为卷积层，进行建筑物特征提取。最后3层为全连接层，进行区分建筑物与非建筑物。在训练该模型过程中，其构建了一个包含约5000个建筑物样本的训练数据集，采用监督学习的训练方式进行模型训练。经实验表明，该方法在识别精度上远远高于传统的识别方法，其有效的解决了在背景较为复杂的高分辨率遥感图像中对建筑物的进行提取识别。