遥感图像中提取建筑物轮廓的密集特征迭代融合网络

TP751.1; 从航空图像中提取建筑物轮廓是遥感技术的一项基本任务.目前的建筑物提取方法无法准确提取建筑物轮廓信息,而且在提取小规模建筑物时存在误差.该文提出了DFINet,一种用于提取建筑物轮廓的新型密集特征迭代融合网络.该网络使用密集特征迭代解码器融合不同尺度的语义信息,并学习建筑轮廓知识,通过迭代融合产生最后的特征.密集特征融合模块结合了多个尺度的特征,利用轮廓重构模块获取最终预测结果.大量实验验证了DFINet在两个不同遥感数据集(INRIA航空图像数据集和武汉大学建筑数据集)上的有效性.在INRIA航空图像数据集上,与目前其他方法相比,DFINet在重叠度(intersection...

Full description

Saved in:
Bibliographic Details
Published in东华大学学报（英文版） Vol. 41; no. 6; pp. 654 - 661
Main Authors 吴江炎, 王彤
Format Journal Article
LanguageChinese
Published 东华大学数字化纺织服装技术教育部工程研究中心,上海 201620 2024
东华大学信息科学与技术学院,上海 201620
Subjects
遥感图像
建筑物轮廓提取
feature iteration
remote sensing image
building contour extraction
特征迭代
Online AccessGet full text

Cover

More Information
Summary:TP751.1; 从航空图像中提取建筑物轮廓是遥感技术的一项基本任务.目前的建筑物提取方法无法准确提取建筑物轮廓信息,而且在提取小规模建筑物时存在误差.该文提出了DFINet,一种用于提取建筑物轮廓的新型密集特征迭代融合网络.该网络使用密集特征迭代解码器融合不同尺度的语义信息,并学习建筑轮廓知识,通过迭代融合产生最后的特征.密集特征融合模块结合了多个尺度的特征,利用轮廓重构模块获取最终预测结果.大量实验验证了DFINet在两个不同遥感数据集(INRIA航空图像数据集和武汉大学建筑数据集)上的有效性.在INRIA航空图像数据集上,与目前其他方法相比,DFINet在重叠度(intersection over union,IoU)、总体准确率(overall accuracy,OA)和F1值等指标上取得了最高分.
ISSN:1672-5220
DOI:10.19884/j.1672-5220.202401004