地科學院高賢君副教授在遙感領域主流期刊《武大學報》上發表題為“基于多特征融合與邊界聯合約束網絡的建築物提取”的研究論文。

該研究主要針對現有全卷積神經網絡因光譜混雜，造成建築物漏檢和誤檢，以及邊界缺失的問題，因此，本文設計了一種基于多特征融合與對象邊界聯合約束網絡的高分辨率遙感影像建築物提取方法（圖1）。所提方法基于編解碼結構，并在編碼階段末端融入連續空洞空間金字塔模塊，以在不損失過多有效信息的前提下進行多尺度特征提取和融合；在解碼階段，通過實現基于對象和邊界的多輸出融合約束結構，為網絡融入更多準确的建築物特征并細化邊界；在編碼與解碼階段間的橫向跳級連接中引入卷積塊注意力機制模塊，以增強有效特征。此外，解碼階段的多層級輸出結果還被用于構建分段多尺度加權損失函數，實現對網絡參數的精細化更新。在WHU和Massachusetts建築物數據集上進行對比試驗分析，其中交并比(intersection over union, IoU)和F1分數分别達到了90.44%、94.98%和72.57%、84.10%，且模型的複雜度與效率均優于MFCNN與BRRNet（圖2）。

《武漢大學學報（信息科學版）》即原《武漢測繪科技大學學報》，是武漢大學主辦的以測繪學為特色的測繪及信息科學專業學術期刊。本刊依托世界最大的測繪高等學府——原武漢測繪科技大學，通過發表具有重大研究價值的創新測繪理論成果，展示中國測繪學術研究的最高水平，促進測繪學術交流并引導測繪理論研究的方向，為中國測繪發展服務。

論文鍊接：

https://kns.cnki.net/kcms2/article/abstract?v=hFA5SNLyt3g2pF_iKUh68ppjCHfRszSaOJFu06BM1NQbvRUZWs9adJkPXSWAYBzLHKnLHF1wy9t7yf5aeSp8dRjCeTouHh8or3dLtjQr6qgAS_LNpGQ-qmZHLy49vIhMHiZCuMhormVw_SlUB8A2b1y7aQsh_yOyDzV0Dr0XQ1k=&uniplatform=NZKPT

圖1多特征融合與對象邊界聯合約束網絡

圖2 基于WHU建築物數據集（a）和Massachusetts建築物數據集（b）對比進行實驗

圖3 論文首頁