多尺度特征融合空洞卷积ResNet遥感图像建筑物分割

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(Muhiscale-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.