计算机科学与探索

作者：侯佳兴, 齐向明, 郝明, 张进

单位：辽宁工程技术大学 软件学院，辽宁 葫芦岛 125100

关键词：高分辨率遥感影像,建筑物提取,边界平滑,多尺度特征,U-Net,Partial卷积

由于高空间分辨率遥感图像中背景与建筑物对象的相似度高，导致网络难以兼顾不同大小的建筑物，建筑边界区域的像素与背景混淆，建筑边界很容易被漏检。为解决上述问题，提出融合Partial卷积与残差细化的遥感影像建筑物提取算法（UUNet）。以U-Net为基线网络，首先，改进编码器。在编码器前端加入两个Conv4×4，在最初扩大感受野，捕捉更多遥感影像特征信息，利用Partial卷积（PConv3×3）构造的PC模块，增强编码器提取多尺度建筑物特征的能力，用Conv2×2进行两倍下采样，减少建筑物特征信息丢失。其次，减少参数量。裁剪U-Net网络解码器三层结构为UUNet网络解码器。最后，增加改进的残差细化模块。在解码器输出端构造裁剪到三层结构的U型残差细化模块，对解码器输出的粗糙建筑物特征图进行进一步提纯，使建筑物边缘信息更加清晰，网络解码器与U型残差细化模块编码器进行跳跃连接，保留最初特征，将SimAM嵌入细化模块中，提高建筑物关注度，优化网络改善边界模糊，提升目标边界提取质量。在Satellite dataset Ⅱ（East Asia）数据集上进行消融实验，UUNet比U-Net的IoUBuilding、IoUBackground、F1、OA和MIoU分别提高2.78个百分点、0.12个百分点、1.91个百分点、0.19个百分点、1.45个百分点，表明UUNet网络优于基线网络；在Satellite dataset Ⅱ （East Asia）数据集和WHU数据集上做对比实验，UUNet相较于现有的主流算法更优，能够显著地提升高分辨率遥感影像中建筑物提取的效果。

来源：2024年第10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2024年第10期