遥感影像中建筑物的Unet分割改进

摘要

针对经典Unet算法在提取遥感影像中建筑物特征时存在编码信息丢失、对多尺度建筑目标适应性差和上下文特征联系不足的问题,本研究提出了一种多尺度融合的变形残差金字塔编解码网络.首先,引入深度编码网络与下采样旁路网络替换原编码结构,共同完成对建筑物目标高阶特征信息的提取;其次,在编码网络次末端节点引入联合变形卷积的残差金字塔结构,以提升网络对建筑物多尺度特征和边缘模糊特征的辨识能力;最后,将高阶和低阶特征逐层级联融合,在解码网络末端获取对建筑物的分割结果.实验结果表明,改进后模型相比原模型在F1-score和MIOU指标上分别提升了1.6％和2.1％.