基于深度学习的高分辨率遥感影像建筑物提取

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 Image Labeling 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。