MSSFC-Net：基于多尺度时空特征协作的建筑物解释增强方法
计算机视觉与模式识别
2025-04-02 v1
摘要
从遥感影像中进行建筑物解释主要涉及两个基本任务：建筑物提取和变化检测。然而，大多数现有方法独立地处理这些任务，忽略了它们固有的关联性，无法利用共享特征表示实现相互增强。此外，建筑物在光谱、空间和尺度上的多样性特征，使得在联合建模时空多尺度特征并有效平衡精度与召回率面临额外挑战。时空表征之间的协同作用有限，常导致检测精度降低和变化定位不完整。为此，我们提出了一种用于遥感图像中联合建筑物提取和变化检测的多尺度时空特征协作双任务网络（MSSFC-Net）。该框架将两个任务集成到统一的架构中，利用它们的互补性以同时提取建筑物和变化特征。具体而言，设计了具备时空特征协作（SSFC）的双支路多尺度特征提取模块（DMFE），以增强多尺度表征学习，有效捕获浅层纹理细节和深层语义信息，从而提升建筑物提取性能。对于时序特征聚合，我们引入了多尺度差分融合模块（MDFM），显式建模差分特征与双时序特征之间的相互作用。该模块提升了网络检测大范围变化和建筑物细微结构变化的能力。在三个基准数据集上的大量实验表明，MSSFC-Net 在建筑物提取和变化检测任务中均实现了优异的性能，有效提升了检测精度，同时保持了完整性。
引用
@article{arxiv.2504.00759,
title = {MSSFC-Net:Enhancing Building Interpretation with Multi-Scale Spatial-Spectral Feature Collaboration},
author = {Dehua Huo and Weida Zhan and Jinxin Guo and Depeng Zhu and Yu Chen and YiChun Jiang and Yueyi Han and Deng Han and Jin Li},
journal= {arXiv preprint arXiv:2504.00759},
year = {2025}
}