厌雾低光遥感影像下的建筑提取：基准数据集与基线方法
计算机视觉与模式识别
2026-04-17 v1
摘要
遥感光学影像上的建筑提取在实际厌雾和低光条件下会出现性能下降。然而，现有光学方法和基准数据集主要聚焦于理想的晴天条件。虽然合成孔径雷达（SAR）提供了全天候感知能力，但其侧视几何会导致几何畸变。为解决这些挑战，我们引入HaLoBuilding——第一个专为厌雾低光条件下建筑提取设计的光学基准数据集。通过利用同一场景的多时相配对策略，确保像素级标签对齐，即使在极端退化条件下也能保持高保真度。在此基准数据集之上，我们提出HaLoBuild-Net，一个用于恶劣遥感场景下建筑提取的新型端到端框架。其核心，我们开发了空间-频率聚焦模块（SFFM），通过耦合大感受野注意力与频率感知通道重加权，引导稳定低频锚点，以有效缓解气象干扰对建筑特征的影响。此外，全局多尺度指导模块（GMGM）提供全局语义约束以锚定建筑拓扑结构，而互指引融合模块（MGFM）实现双向语义-空间校准，以抑制浅层噪声并锐化气象引起的模糊边界。大量实验表明，HaLoBuild-Net在HaLoBuilding数据集上显著优于最先进的方法和常规的级联恢复-分割范式，同时在WHU、INRIA和LoveDA数据集上保持稳健的泛化能力。源代码和数据集已公开available at: https://github.com/AeroVILab-AHU/HaLoBuilding.
引用
@article{arxiv.2604.15088,
title = {Building Extraction from Remote Sensing Imagery under Hazy and Low-light Conditions: Benchmark and Baseline},
author = {Feifei Sang and Wei Lu and Hongruixuan Chen and Sibao Chen and Bin Luo},
journal= {arXiv preprint arXiv:2604.15088},
year = {2026}
}
备注
14 pages, 12 figures, 9 tables