基于深度学习的高分辨率 遥感影像建筑物提取

• 作者: 陈雪娇 田青林 伊丕源
• 来源期刊: 世界核地质科学
• 关键词: 遥感影像； 建筑物提取； 多尺度； 深度学习
• 年，卷（期）: 2023,（1）
• 页码范围: 91-98
• 页数: 7页
• 分类号: P237
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0636.2023.01.008

摘要

利用遥感影像提取建筑物具有广泛应用，例如城市规划、人口估计、灾害评估、军事侦查等。然而，由于高分辨率遥感影像中建筑物外观结构复杂、尺度多样，为建筑物提取任务带来巨大挑战。提出了一种基于密集特征金字塔融合网络的建筑物提取方法。该方法构建了编码器-解码器结构，在编码路径使用深度残差网络提取图像特征，并引入空洞卷积、金字塔池化模块等手段进一步增强特征提取能力，获取图像不同尺度上、下文信息。在横向连接过程中嵌入卷积块注意模块，有效区分特征之间的重要程度，突出有用特征，减少误判概率。在解码路径特征融合过程中，采用密集跳跃连 接 方 式 计 算 特 征 金 字 塔 ， 有 效 聚 合 不 同 尺 度 、 不 同 分 辨 率 特 征 。 在 IAILD （Inria Aerial ImageLabeling Dataset） 建筑物检测数据集的实验结果表明，该方法在获取深层次语义信息的同时兼顾了图像细节信息，在重叠度和准确率两项指标上均有显著提升，在高分辨率遥感影像建筑物检测任务中取得了更好的实际效果，优于其他常用的语义分割网络。