多尺度特征融合空洞卷积ResNet遥感图像建筑物分割

作     者：徐胜军 欧阳朴衍 郭学源 Taha Muthar Khan 段中兴 XU Sheng-jun;OUYANG Pu-yan;GUO Xue-yuan;Taha Muthar Khan;DUAN Zhong-xing

作者机构：西安建筑科技大学信息与控制工程学院陕西西安710055 清华大学建筑设计院有限公司北京100084 

基　　金：国家自然科学基金资助项目(No.51678470,No.61803293) 陕西省教育厅专项科研项目资助(No.18JK0477,No.2017JM6106) 陕西省自然科学基础研究计划资助项目(No.2020JM-472,No.2020JM-473,No.2019JQ-760) 西安建筑科技大学基础研究基金资助项目(No.JC1703,No.JC1706) 

出 版 物：《光学精密工程》 (Optics and Precision Engineering)

年 卷 期：2020年第28卷第7期

页      码：1588-1599页

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(Multiscale-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。

主 题 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 

学科分类：083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 081602[081602] 0816[工学-纺织类] 

核心收录：

D　O　I：10.37188/OPE.20202807.1588

馆 藏 号：203953248...