改进非星下点卫星影像的建筑物分割

自动建筑物分割是卫星影像分析和场景理解的一项重要任务。大多数现有分割方法侧重于影像从正上方拍摄（即低非星下点/观测角）的情况。由于噪声水平更高、空间分辨率更低，这些方法在非星下点角较大的卫星影像上往往无法提供准确结果。本文提出了一种方法，能够对从大范围非星下点角拍摄的卫星影像进行准确的建筑物分割。基于贝叶斯深度学习，我们明确设计了通过偶然不确定性和认知不确定性建模来学习数据噪声的方法。我们的模型还使用了卫星影像元数据（例如，非星下点角和地面采样距离）以进一步改善结果。我们表明，通过不确定性建模和元数据注入，我们的方法比基线方法取得了更好的性能，尤其是在从大非星下点角拍摄的噪声影像上。