地科学院高贤君副教授在遥感领域主流期刊《武大学报》上发表题为“基于多特征融合与边界联合约束网络的建筑物提取”的研究论文。

该研究主要针对现有全卷积神经网络因光谱混杂，造成建筑物漏检和误检，以及边界缺失的问题，因此，本文设计了一种基于多特征融合与对象边界联合约束网络的高分辨率遥感影像建筑物提取方法（图1）。所提方法基于编解码结构，并在编码阶段末端融入连续空洞空间金字塔模块，以在不损失过多有效信息的前提下进行多尺度特征提取和融合；在解码阶段，通过实现基于对象和边界的多输出融合约束结构，为网络融入更多准确的建筑物特征并细化边界；在编码与解码阶段间的横向跳级连接中引入卷积块注意力机制模块，以增强有效特征。此外，解码阶段的多层级输出结果还被用于构建分段多尺度加权损失函数，实现对网络参数的精细化更新。在WHU和Massachusetts建筑物数据集上进行对比试验分析，其中交并比(intersection over union, IoU)和F1分数分别达到了90.44%、94.98%和72.57%、84.10%，且模型的复杂度与效率均优于MFCNN与BRRNet（图2）。

《武汉大学学报（信息科学版）》即原《武汉测绘科技大学学报》，是武汉大学主办的以测绘学为特色的测绘及信息科学专业学术期刊。本刊依托世界最大的测绘高等学府——原武汉测绘科技大学，通过发表具有重大研究价值的创新测绘理论成果，展示中国测绘学术研究的最高水平，促进测绘学术交流并引导测绘理论研究的方向，为中国测绘发展服务。

论文链接：

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

图1多特征融合与对象边界联合约束网络

图2 基于WHU建筑物数据集（a）和Massachusetts建筑物数据集（b）对比进行实验

图3 论文首页