结合非局部注意和多层残差的遥感图像建筑物提取方法

随着城市化和遥感技术的发展,高分辨率遥感图像地物提取任务也越来越具有挑战性。针对现有的方法无法捕捉图像中长距离的空间关系,以及遥感图像存在误检漏检等问题,提出了结合基于非局部注意力的多层残差遥感图像建筑物提取方法(NAMR-Net)。在改进后的U-Net的结构基础上,引入了自适应非局部注意力模块(ANAB),以及多层残差学习模块(MRLB)。因此,网络可以从不同的卷积层中融合长距离像素间的特征,并通过2阶段的训练,有效地提升建筑物的分割质量,并在2个公开数据集WHU、Massachusetts上进行了实验。结果表明:NAMR-Net可以实现遥感图像中建筑物目标的高质量分割,并优于近年来几种较先进的方法。