自然地理学和测绘学论文_面向高分影像建筑物提_四川建筑杂志社投稿

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

自然地理学和测绘学论文_面向高分影像建筑物提

作者:

关键词:

摘要：

文章摘要:建筑物规模及其分布是衡量一个地区经济社会发展状况的关键指标，因此研究基于遥感影像的建筑物提取具有重要意义。现有神经网络方法在建筑物提取的完整度、边缘精确度等方面仍存在不足。为解决上述问题，提出一种基于高分遥感影像的多层次特征融合网络MFFNet （Multi-level Feature Fusion Network）。该方法一方面利用边缘检测算子提升网络对建筑物边界的识别能力，另一方面借助多路径卷积融合模块从多个维度上提取建筑物特征，并引入大感受野卷积模块突破感受野大小对特征提取的限制。在对提取的特征进行融合后，使用卷积注意力模块进行压缩，经金字塔池化进一步挖掘全局特征，从而实现建筑物的高精度提取。以当前主流的UNet、PSPNet、MAPNet与MDNNet作为对比方法，使用亚米级的武汉大学航空影像数据集、卫星数据集II（东亚）与Inria航空影像数据集作为实验数据进行测试。

文章关键词:

论文DOI:10.13203/j.whugis20210506

论文分类号:P237