基于双路细节关注网络的遥感影像建筑物提取

作     者：张卓尔 潘俊 舒奇迪 ZHANG Zhuoer;PAN Jun;SHU Qidi

作者机构：武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 

出 版 物：《武汉大学学报（信息科学版）》 (Geomatics and Information Science of Wuhan University)

年 卷 期：2024年第49卷第3期

页      面：376-388页

核心收录：

学科分类：08[工学] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 

基　　金：国家重点研发计划(2022YFB3902804) 国家自然科学基金(62371352)。 

主　　题：遥感影像 建筑物提取 全卷积神经网络 深度学习 特征优化 

摘      要：房屋等建筑物的分布情况是衡量地区发展的重要指标,利用遥感影像实现建筑物的自动高精度提取在指导城乡规划和市镇建设等方面具有重要意义。已有方法大多忽略了像素数较少的小面积建筑和边缘等细节信息的处理,针对此问题,提出了一种双路细节关注网络,将语义特征与细节关注特征双路并行优化,进一步提高了遥感影像中建筑物的提取精度。所提方法首先使用双路特征提取模块获取语义特征与细节关注特征,并在解码过程中进行双向优化,增强语义特征细节的同时提高细节关注特征的连续性与类别准确性,然后对二者进行融合,结合细节关注损失的监督,实现建筑物的高精度提取。在WHU建筑物数据集、ISPRS Vaihingen数据集与某地区国产高分数据集上,将所提方法与多种主流方法进行了对比验证,所提方法的F1分数和交并比均高于对比方法,且提取的建筑物完整性更好,小面积建筑漏检、误检率更低。