用于建筑物分割的平行结构特征融合网络

遥感建筑物分割是对遥感图像中的建筑物进行像素级别的分割,从遥感图像中准确提取出建筑物区域,包括建筑物轮廓和内部细节信息。由于遥感图像的特殊性,在对建筑物分割时,阴影与建筑物颜色相似易造成欠分割,树木遮挡等因素易造成过分割。针对遥感图像中建筑物轮廓分割不完整、阴影干扰强以及分割边缘锯齿状明显等问题,提出一种平行结构的多分支特征融合网络(MFF-Net)。该网络以ResNet-50作为主干网络,解码器采用包含双通道掩码分支的多条平行结构,分别恢复不同尺度的特征图。同时,在每条分支结构中使用改进后的CBAM注意力以加强边缘重要特征,通过双通道掩码结构调整通道交互性,最后进行特征融合。在ISPRS Potsdam和ISPRS Vaihingen数据集上的实验结果表明,与现有主流分割网络相比,MFF-Net的全局准确率、精确率、召回率、F1值、均交并比(mIoU)均有不同程度的提升,在Vaihingen数据集上精确率达到96.22%,F1值达到95.55%,mIoU达到92.16%,在Potsdam数据集上精确率达到96.95%,F1值达到96.32%,mIoU达到93.40%,其提取的建筑物轮廓完整清晰,抗干扰性更强。