面向高分辨率遥感影像建筑物提取的特征聚合网络
计算机视觉与模式识别
2023-09-13 v1
摘要
高分辨率卫星遥感数据获取技术的快速发展，尤其是达到亚米级精度的数据，揭示了精细提取地表建筑特征的潜力。然而，地表分布的多样性和复杂性常导致现有方法仅关注地物特征的局部信息。这往往造成建筑物边界识别及建筑物之间的显著类内差异。因此，从高分辨率卫星影像中细粒度提取地物特征已成为遥感图像处理中的关键挑战。本工作中，我们提出特征聚合网络（FANet），专注于提取全局与局部特征，从而实现从高分卫星遥感影像中精细提取标志性建筑。金字塔视觉 Transformer 捕获这些全局特征，随后由特征聚合模块精炼，并通过差异消除模块融合为一致表征。此外，为保证特征图的完备性，我们引入了感受野块与双重注意力模块，以扩展感受野并增强空间与通道维度的注意力。在多个数据集上的大量实验验证了 FANet 在高分辨率卫星影像特征提取方面的卓越能力，标志着遥感图像处理领域的重大突破。我们将很快发布代码。
引用
@article{arxiv.2309.06017,
title = {Feature Aggregation Network for Building Extraction from High-resolution Remote Sensing Images},
author = {Xuan Zhou and Xuefeng Wei},
journal= {arXiv preprint arXiv:2309.06017},
year = {2023}
}