高分辨率遥感影像建筑物提取的注意力胶囊网络算法

作     者：许正森 管海燕 彭代锋 于永涛 雷相达 赵好好 XU Zhengsen;GUAN Haiyan;PENG Daifeng;YU Yongtao;LEI Xiangda;ZHAO Haohao

作者机构：南京信息工程大学遥感与测绘工程学院南京210044 淮阴工学院计算机与软件学院淮安223003 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2022年第26卷第8期

页      面：1636-1649页

核心收录：

学科分类：0710[理学-生物学] 08[工学] 0837[工学-安全科学与工程] 0804[工学-仪器科学与技术] 081601[工学-大地测量学与测量工程] 0816[工学-测绘科学与技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(编号:41971414,62076107,41801386) 江苏省六大人才高峰项目(编号:XYDXX-098) 江苏省研究生科研创新项目(编号:KYCX21_1011) 

主　　题：建筑物提取 深度学习 通道注意力 空间注意力 编码器—解码器 胶囊网络 

摘      要：高分辨率遥感影像建筑物自动提取在防灾减灾、灾害估损、城市规划和地形图制作等方面具有重要意义。但是,目前常用的传统卷积神经网络模型存在异变性强而同变性弱缺陷。针对该问题,本文提出一种基于通道和空间双注意力胶囊编码—解码网络DA-CapsNet(dual-attention capsule encoder-decoder network)的建筑物提取通用模型。该模型通过胶囊卷积和空间—通道双注意力模块增强高分辨率遥感影像中建筑物高阶特征表达能力,实现建筑物遮挡部分以及对非建筑不透水层的准确提取与区分。模型首先利用胶囊编码—解码结构提取并融合多尺度建筑物胶囊特征,获得高质量建筑物特征表达。之后,设计通道和空间注意力特征模块进一步增强建筑物上下文语义信息,提高模型性能。本文选取3种高分辨率建筑物数据集进行试验,最终的平均精度、召回率和F1-score分别为92.15%、92.07%和92.18%。结果表明,本文提出的DA-CapsNet能有效克服高分辨率遥感影像中的空间异质性、同物异谱、异物同谱以及阴影遮挡等影响,实现复杂环境下的高精度建筑物自动提取。