结合非局部注意和多层残差的遥感图像建筑物提取方法

作     者：刘炜清 贾赫成 LIU Weiqing;JIA Hecheng

作者机构：复旦大学信息科学与工程学院上海200433 

出 版 物：《上海航天（中英文）》 (Aerospace Shanghai（Chinese&English）)

年 卷 期：2024年第41卷第4期

页      面：163-172页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

主　　题：高分辨率遥感图像 建筑物提取 深度学习 残差学习 非局部注意力 

摘      要：随着城市化和遥感技术的发展,高分辨率遥感图像地物提取任务也越来越具有挑战性。针对现有的方法无法捕捉图像中长距离的空间关系,以及遥感图像存在误检漏检等问题,提出了结合基于非局部注意力的多层残差遥感图像建筑物提取方法(NAMR-Net)。在改进后的U-Net的结构基础上,引入了自适应非局部注意力模块(ANAB),以及多层残差学习模块(MRLB)。因此,网络可以从不同的卷积层中融合长距离像素间的特征,并通过2阶段的训练,有效地提升建筑物的分割质量,并在2个公开数据集WHU、Massachusetts上进行了实验。结果表明:NAMR-Net可以实现遥感图像中建筑物目标的高质量分割,并优于近年来几种较先进的方法。