科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有全卷积神经网络因光谱混杂造成建筑物漏检、误检以及边界缺失的问题，设计了一种基于多特征融合与对象边界联合约束网络的高分辨率遥感影像建筑物提取方法。所提方法基于编解码结构，并在编码阶段末端融入连续空洞空间金字塔模块，以在不损失过多有效信息的前提下进行多尺度特征提取和融合；在解码阶段，通过实现基于对象和边界的多输出融合约束结构，为网络融入更多准确的建筑物特征并细化边界；在编码与解码阶段间的横向跳级连接中引入卷积块注意力机制模块，以增强有效特征。此外，解码阶段的多层级输出结果还被用于构建分段多尺度加权损失函数，实现对网络参数的精细化更新。在WHU和Massachusetts建筑物数据集上进行对比试验分析，其中交并比和F1分数分别达到了90.44%、94.98%和72.57%、84.10%，且模型的复杂度与效率均优于MFCNN与BRRNet。
- 单位
