文献类型：期刊文章

作　　者：徐胜军[1] 欧阳朴衍[1] 郭学源[2] Taha Muthar Khan[1] 段中兴[1]

XU Sheng-jun;OUYANG Pu-yan;GUO Xue-yuan;Taha Muthar Khan;DUAN Zhong-xing(College of Information and Control Engineering, Xi′an University of Architecture and Technology, Xi′an 710055, China;Architectural Design and Research Institute of Tsinghua University Company, Limited, Beijing 100084, China)

机构地区：[1]西安建筑科技大学信息与控制工程学院,陕西西安710055 [2]清华大学建筑设计院有限公司,北京100084

出　　处：《光学精密工程》

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)。

年　　份：2020

卷　　号：28

期　　号：7

起止页码：1588-1599

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

关 键 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  

分 类 号：P236]