计算机工程

作者：张文政, 吴长悦, 满卫东, 刘明月, 赵文

单位：1. 华北理工大学矿业工程学院, 河北 唐山 0632102. 唐山市资源与环境遥感重点实验室, 河北 唐山 0632103. 河北省矿区生态修复产业技术研究院, 河北 唐山 0632104. 矿产资源绿色开发与生态修复协同创新中心, 河北 唐山 063210

关键词：对抗网络,无人机,建筑物分割,小波变换,遮挡恢复

基金：河北省自然科学基金(D2022209005); 河北省高等学校科学技术研究项目青年拔尖人才项目(BJ2020058); 唐山市科技计划重点研发项目(22150221J); 唐山市科技研发平台建设项目(2020TS003b)

无人机影像中的建筑物提取主要面临两大挑战, 首先是容易受到树木和阴影的遮挡, 导致分割错误, 其次是现有方法常忽略建筑物的形态和多分辨率信息。为了应对这些挑战, 在对抗网络的框架内引入双通道并行的生成器策略, 其中一个通道基于形态驱动的小波变换, 专注于捕获建筑物的形态属性, 包括建筑物的轮廓和结构特征, 另一个通道基于DeepLabv3+, 用于处理建筑物的复杂纹理, 包括表面纹理和细节信息, 这种设计使网络可以从多个方面理解影像中的建筑物特征。同时, 为了应对遮挡问题, 提出一种遮挡感知预处理模块, 该模块能够有效地从深度信息中还原被树木和阴影遮挡的建筑轮廓和纹理信息。为了进一步提高网络识别建筑物特征的能力, 通过特征融合模块引入自适应注意力机制, 并实现一个复合损失函数来增强模型对建筑物结构和形态的敏感度。在两个不同的建筑物数据集上进行实验, 结果表明, 该网络的平均交并比(mIoU)分别达到93.60%和96.60%, F1分数、准确率也分别达到94.90%、94.42%和95.90%、96.42%。实验数据显示, 所提网络可以恢复被遮挡信息同时提高分割精度, 为城市规划、资源管理等应用提供有力支持。

来源：2024年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第11期