多尺度特征融合空洞卷积ResNet遥感图像建筑物分割

• 作者: Taha Muthar Khan 徐胜军 欧阳朴衍 段中兴 郭学源
• 来源期刊: 光学精密工程
• 学科: 地球科学
• 关键词: 遥感图像 建筑物分割 残差网络 空洞卷积 多尺度特征融合
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 信息科学
• 页码范围: 1588-1599
• 页数: 12页
• 分类号: P236
• 字数: 5444字
• 语种: 中文
• DOI: 10.37188/OPE.20202807.1588

摘要

针对传统建筑物提取方法难以有效描述遥感图像细节特征,导致复杂场景下道路、树木及建筑物之间分割边界不清晰等问题,提出了一种基于多尺度特征融合空洞卷积ResNet(Muhiscale-feature Fusion Dilated Convolution ResNet,MFDC-ResNet)模型.首先,为了获取遥感图像建筑物更大范围的特征信息,在深度残差网络中引入空洞卷积增大特征提取的感受野,以捕捉更丰富的多尺度细节特征;其次,为了增强空洞卷积中心点对图像局部区域特征的表达能力,利用3×3卷积核提取遥感图像的中心点区域特征,引入更多的中心点空间先验信息;最后,利用空间金字塔池化模型对不同尺度空洞卷积特征进行融合,获取不同尺度的遥感图像建筑物的上下文信息.在WHU遥感图像数据集上的实验表明,平均交并比mIoU达到0.820,召回率Recall达到0.882.提出算法不仅提高了分割精度,而且有效克服了道路、树木等因素的干扰,得到了较清晰的建筑物边界.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段中兴	西安建筑科技大学信息与控制工程学院	58	206	7.0	10.0
2	徐胜军	西安建筑科技大学信息与控制工程学院	20	142	6.0	11.0
3	欧阳朴衍	西安建筑科技大学信息与控制工程学院	2	0	0.0	0.0
4	郭学源		3	0	0.0	0.0
5	Taha Muthar Khan	西安建筑科技大学信息与控制工程学院	1	0	0.0	0.0