高分辨率遥感影像建筑物提取卷积神经网络

针对复杂影像场景下卷积神经网络对建筑物提取效果较差的问题,本文对轻量型卷积神经网络LinkNet进行了优化调整,使用融合坐标注意力机制的深层残差网络CA-ResNet-50作为LinkNet的编码器,显著增强了网络模型的特征提取性能,提升了其在复杂场景下建筑物提取能力;同时,利用卷积分解方法对LinkNet初始块进行优化,获得了更快的网络训练速度,最终得到性能优异的建筑物提取网络CA-LinkNet。试验结果表明,在武汉大学航空建筑物数据集上CA-LinkNet与最初的LinkNet相比精度指标IoU、Kappa和F1分别提升了2.01%、1.26%和1.11%。此外,在选取的数据集上CA-LinkNet各项精度指标均优于经典分割网络,在复杂影像场景下也能有效提取建筑物,表现出较强的抗干扰能力。