基于语义分割的遥感建筑物提取研究综述.docVIP

基于语义分割的遥感建筑物提取研究综述

一、遥感建筑物提取的研究背景与意义

卫星遥感技术的快速迭代使得高分辨率对地观测数据的获取成本大幅降低、时间分辨率与空间分辨率持续提升，当前亚米级遥感影像已实现对全球陆地区域的季度级覆盖。建筑物作为城市区域最核心的人工地物要素，其精准提取结果可直接服务于国土空间规划、智慧城市建设、灾害应急响应、人口估算与土地利用变化监测等多个领域。传统的建筑物提取方法依赖人工目视解译或规则化的特征工程，不仅效率低下、难以适配大尺度区域处理，在面对复杂建成环境时还容易出现边缘断裂、类别混淆等问题。语义分割技术作为计算机视觉领域中像素级分类的核心方法，能够为每一个像素分配对应的地物类别标签，天然适配遥感影像中建筑物精准提取的需求，二者的结合成为过去十年遥感信息处理领域的研究热点。

二、语义分割技术在遥感建筑物提取中的应用演进

2.1早期传统语义分割方法阶段

2015年之前，遥感建筑物提取主要采用基于阈值分割、边缘检测、区域生长等传统语义分割方法，这类方法依赖人工设计的低层特征，包括颜色、纹理、形状、光谱指数等。典型的如归一化建筑指数（NDBI）通过短波红外与近红外波段的差值突出建筑物光谱特征，结合形态学操作实现建筑物区域的初步提取；面向对象的分割方法则先将影像分割为多个同质对象，再通过支持向量机、随机森林等分类器对对象是否为建筑物进行判别。但这类方法的普适性极差，