一种基于VDSEC-UNet的遥感影像建筑物提取方法

来源：电子测量技术杂志2025年第10期北京时间：

作者：张剑飞，王友为

单位：黑龙江科技大学计算机与信息工程学院 哈尔滨 150022

摘要：近年来卷积神经网络在遥感影像建筑物提取研究中取得了极大的成功，但其仍然面临着整体提取精度不高、错分、漏分和边界模糊等问题。针对以上问题，提出一种基于VDSEC-UNet的遥感影像建筑物提取方法。首先，使用VGG-16作为编码器，以提取建筑物特征信息；其次，使用动态上采样代替传统上采样，增强模型对细节的感知能力，从而提升建筑物边界的提取精度；接着，在编解码器中间嵌入一个多尺度上下文信息提取模块，以充分考虑建筑物周围其他对象影响，引入足够的上下文信息及不同感受野下的全局信息，减少空间信息损失，提升对不同尺度建筑物的提取效果；然后，在每个跳跃连接部分嵌入ECA注意力机制，提高模型对影像中建筑物特征的关注度；同时，使用联合损失函数缓解类别不平衡问题；最后，构造CA-DPGHead模块并加在解码器末尾，以增强建筑物与背景之间的区分，使模型更加精准地定位和识别图像中的建筑物信息，进而提升对小型建筑物的提取精度并细化建筑物边界的提取效果。实验结果表明，VDSEC-UNet在Massachusetts和Inria数据集上的mIoU分别达到了82.07%和84.35%，F1指数分别达到了83.34%和86.66%，优于其他经典方法。

关键词：建筑物提取;VDSEC-UNet;多尺度上下文;注意力机制;CA-DPGHead

基金资助：国家自然科学基金（61803148）、黑龙江省哲学社会科学研究规划项目（23YSD245）、黑龙江省属高等学校基本科研业务费项目（2024-KYYWF-1099）资助