基于多模块的遥感影像建筑物提取方法

Abstract

高分辨率遥感影像建筑物提取是遥感影像解译的一个重要研究方向。针对传统提取方法中小型建筑物容易丢失和大型建筑物边界模糊问题,以Unet为基础,提出一种基于多模块建筑物提取网络(MM-Unet)。首先在网络的编码和解码部分引入多尺度特征组合模块(MFCM)以获取并补充更多的空间信息。之后在解码器末端加入多尺度特征增强模块(MFEF)以增强多尺度特征的提取。在跳跃连接完成后引入双重注意力模块(DAM),使网络能够自适应地学习通道和空间位置的特征重要性,减小不同深度特征的差异。为了验证所提网络的有效性,分别在空间分辨率为1 m、0.3 m、0.09 m的Massachusetts、WHU以及Vaihingen建筑物数据集上进行实验,MM-Unet的交并比分别达到73.42%、90.11%和85.21%,相比于Unet分别提高2.21个百分点、1.25个百分点和1.55个百分点。结果表明,MM-Unet对于不同尺度的建筑物表现出较高的提取精度和较强的泛化能力。