地科學院楊棟傑博士在郭康良教授和高賢君副教授的指導下，在成像科學和攝影技術主流期刊《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》上發表題為“CSA-Net: Complex Scenarios Adaptive Network for Building Extraction for Remote Sensing Images”的研究論文。

該研究主要針對在一些複雜的場景中，當建築物及其鄰近地物的特征相似時，現有的分割模型無法有效區分。因此，提出了一種複雜場景自适應網絡（CSA-Net）用于建築提取。CSA-Net（圖1）由層次上下文特征提取（HFE）模塊、全局-局部特征交互（GFI）模塊和多尺度自适應特征融合（MFF）結構組成。HFE獲取不同層次的高級語義信息，并通過跳過連接的方式将其與低級細節信息融合，增強複雜場景中建築結構的推理和感知能力。在Google Arlinton， WHU和Massachusetts建築數據集上視覺對比結果表明，該方法可以提高複雜場景下建築物提取的精度（圖2）。

《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》是一本專注于成像科學和攝影技術領域的英語學術期刊，創刊于2008年，由Institute of Electrical and Electronics Engineers Inc.出版商出版。該刊發文範圍涵蓋IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY等領域，旨在及時、準确、全面地報道國内外IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY工作者在該領域的科學研究等工作中取得的經驗、科研成果、技術革新、學術動态等。該刊已被SCIE數據庫收錄（二區Top），2023年影響因子為5.5。

論文鍊接：https://ieeexplore.ieee.org/abstract/document/10556688

圖 1 CSA-Net的總體結構。HFE在跳躍連接，GFI與模型中間拼接，MFF在圖像恢複階段融合

圖 2 在WHU數據集上進行的十種方法的視覺比較。圖中綠色代表TP，紅色代表FP，藍色代表FN

圖 3 論文首頁