耦合Mask R-CNN和注意力机制的建筑物提取及后处理策略

建筑物是城市的重要组成部分,基于高分辨率遥感数据建筑物提取,在土地利用、城市规划和防灾减灾等方面有重要意义。针对建筑物提取存在的问题,提出一种改进的Mask R-CNN建筑物实例分割模型。基于残差神经网络融合卷积注意力模型,构建了残差卷积注意力网络,改善了特征提取不充分问题。通过添加Dice Loss的方法,对损失函数进行了优化,进而对特征学习过程进行了优化。并引入Douglas–Peucker algorithm、Fine polygon regularization algorithm相结合的后处理策略,使建筑物轮廓更规则。实验结果表明:改进模型相比原模型的检测mAP值在Iou 0.5时提高了7.74%、在Iou 0.75时提高了7.57%,后处理策略在选定合适阈值优化掩膜后较原始模型的F1-Score值提高了6.01%。耦合Mask R-CNN和注意力机制的实例分割模型改善了小型建筑物误检漏检问题、建筑物分割边界粘连问题,提高了建筑物的分割精度;优化了建筑物后处理策略,提高了建筑物规则化程度。

基于空间截面投影的Otsu图像分割算法

针对传统三维Otsu法存在抗噪性差、计算复杂度高、难以多阈值扩展等不足,提出了一种基于空间截面投影的Otsu法。该方法采用垂直于主对角线的平面截三维直方图,并将截面内的点投影到主对角线上,进而建立一维的截面投影直方图以降低计算复杂度,然后基于该一维直方图进行Otsu分割;对于分割结果,运用基于阈值的后处理策略做进一步的处理以增强算法的抗噪性。实验结果表明,与现有三维Otsu法相比,该算法计算效率高、抗噪性好,能对含不同噪声的图像进行较好的分割。