原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
计算机科学与探索1673-9418/2024/18(10)-2712-15
JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2310073
融合Partial卷积与残差细化的遥感影像建筑物提取算法
+
侯佳兴，齐向明，郝明，张进
辽宁工程技术大学软件学院，辽宁葫芦岛125100
+通信作者E-mail:163.com
摘要：由于高空间分辨率遥感图像中背景与建筑物对象的相似度高，导致网络难以兼顾不同大小的建筑物，
建筑边界区域的像素与背景混淆，建筑边界很容易被漏检。为解决上述问题，提出融合Partial卷积与残差细化
的遥感影像建筑物提取算法（UUNet）。以U-Net为基线网络，首先，改进编码器。在编码器前端加入两个
Conv4×4，在最初扩大感受野，捕捉更多遥感影像特征信息，利用Partial卷积（PConv3×3）构造的PC模块，增强
编码器提取多尺度建筑物特征的能力，用Conv2×2进行两倍下采样，减少建筑物特征信息丢失。其次，减少参
数量。裁剪U-Net网络解码器三层结构为UUNet网络解码器。最后，增加改进的残差细化模块。在解码器输
出端构造裁剪到三层结构的U型残差细化模块，对解码器输出的粗糙建筑物特征图进行进一步提纯，使建筑物
边缘信息更加清晰，网络解码器与U型残差细化模块编码器进行跳跃连接，保留最初特征，将SimAM嵌入细化
模块中，提高建筑物关注度，优化网络改善边界模糊，提升目标边界提取质量。在SatellitedatasetⅡ（East
Asia）数据集上进行消融实验，UUNet比U-Net的IoUBuilding、IoUBackground、F1、OA和MIoU分别提高2.78个百分点、
0.12个百分点、1.91个百分点、0.19个百分点、1.45个百分点，表明UUNet网络优于基线网络；在SatellitedatasetⅡ
（EastAsia）数据集和WHU数据集上做对比实验，UUNet相较于现有的主流算法更优，能够显著地提升高分辨
率遥感影像中建筑物提取的效果。
关键词：高分辨率遥感影像；建筑物提取；边界平滑；多尺度特征；U-Net；Partial卷积
文献标志码：A中图分类号：TP751.1
BuildingExtractionAlgorithmforRemoteSensingImagesbyFusingPartialCon-
volutionandResidualRefinement
+
HOUJiaxing,QIXiangming,HAOMing,ZHANGJin
SchoolofSoftware,LiaoningUniversityofEngineeringandTechnology,Huludao,Liaoning125100,China
Abstract:Duetothehighsimilaritybetweenbackgroundandbuildingsinhighspatialresolutionremotesensingim-
ages,whichmakesitdifficultforthenetworktotakeintoaccountbuildingsofdifferentsizes,thepixelsinthebuilding
boundaryregionareconfusedwiththebackground,andthebuildingboundariesareeasilymissed.Inordertosolve
theaboveproblems,thebuildingextractionalgorithm(UUNet)forremotesensingimagesfusingpartialconvo
文档评论（0）