计算机科学与探索

作者：刘二虎, 李浩文, 胡煜, 徐胜军, 李小晗, 史亚

单位：1. 西安建筑科技大学 信息与控制工程学院，西安 7100552. 中科星图股份有限公司，北京 101399

关键词：遥感影像,建筑物提取,双分支网络,特征融合,特征细化增强

基金：国家自然科学基金（52278125，62276207）；陕西省社会发展攻关项目（2021SF-429）；陕西省自然科学基础研究计划资助项目（2023-JC-YB-532）；陕西省自然科学基础研究计划一般项目-面上项目（2024JC-YBMS-483）；西安建筑科技大学科研启动项目（1960324027，1960324009）。

从遥感影像中高效且自动地提取建筑物信息是遥感智能化解译的一项重要工作，然而高分辨率遥感影像中的建筑物大小不一、形状多变，背景干扰严重，导致现有算法的提取效果不佳。针对此问题，提出了一种融合局部-全局特征的双分支网络，用于遥感影像中建筑物的准确高效提取。设计了一种CNN与Transformer双分支结构的编码器以同时捕获建筑物的局部纹理信息和全局上下文依赖关系；为了克服CNN分支与Transformer分支所提取特征的差异性，设计了跨特征注意力融合模块（CFAFM）来有效地聚合两个分支所提取到的两组不同特征，对其进行重要性加权；为了增强解码器的细粒度特征恢复能力，设计了特征细化增强模块（FREM），插入至解码器的末端以减少上采样过程中的信息丢失，细化建筑物的边缘和局部细节。在WHU、Massachusetts及Inria建筑物数据集中，所提网络的IoU分别达到90.84%、74.94%、81.24%，F1-score分别达到95.20%、85.53%、89.69%。实验结果表明，所提网络可以有效提高遥感影像建筑物的提取精度，且在复杂任务场景下与现有方法相比具有明显的优势。

来源：2025年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第9期