【技术】一种改进的高分遥感影像建筑物提取方法

一种高分辨率遥感影像建筑物提取的改进方法

郭琰 吴耐明 翟涛

（北京北建大建筑设计研究院有限公司，北京 100042）

［摘 要］ 随着高分辨率遥感影像的广泛应用，建筑物精细化提取在城市规划、灾害评估和智慧城市建设等领域中具有重要意义。然而，复杂城市场景中建筑物结构密集、尺度差异显著且边界模糊，导致传统分割方法在小尺度建筑物识别与边界刻画方面仍存在不足。针对这一问题，本文提出了一种改进的语义分割模型（DA-UNet）。该模型以U型卷积神经网络（U-Net）为基础，引入注意力增强模块（GAF）和多尺度特征融合模块（MSFF），前者通过自适应特征引导强化建筑物区域响应，后者利用多感受野并行卷积结构提升不同尺度建筑物的表达能力。基于高分辨率无人机遥感数据集的实验结果表明，DA-UNet在交互比（IoU）、平衡F1分数（F1-score）和边界交并比（BIoU）三项关键指标上分别达到86.2%、91.5%和85.3%，显著优于U-Net、金字塔场景解析网络（PSPNet）、语义图像分割中自然卷积的再思考（DeepLabV3+）及高分辨率网络（HRNet）等主流方法，证明了其在建筑物精细化提取中的有效性与鲁棒性。

［关键词］ 遥感影像；建筑物提取；语义分割；注意力机制；多尺度特征融合；语义分割模型（DA-UNet）

0 引言

高分辨率遥感影像的普及对建筑物提取的精度提出了更高要求，该技术广泛应用于城市规划、灾害评估等领域［1-2］。然而，城市场景中建筑物存在形态复杂、尺度多样、边界模糊与遮挡严重等问题，给精准分割带来巨大挑战。

卷积神经网络（convolutional neural network，CNN）具有强大的多尺度特征提取能力，近年来在像素级图像分类任务中得到了广泛应用［3-6］，省去了手工设计特征的烦琐过程。通过端到端的自动学习，CNN能够提取图像的低层、中层和高层特征，实现了像素级分类，从而显著提高了语义分割的精度和效率。尽管基于CNN的图像分割中的全卷积神经网络［7］（fully convolutional network， FCN）、U型卷积神经网络［8］（u-shaped network，U-Net）、金字塔场景解析网络［9］（pyramid scene parsing network， PSPNet）和语义图像分割中自然卷积的再思考［10］（DeepLabV3+）等网络取得了显著进展，并涌现出如残差U-Net［11-12］、上下文特征增强网络［13］等改进模型，但这些方法在解码过程中往往未能充分利用低层空间细节，导致建筑物边界分割模糊。为此，本文提出一种改进的语义分割模型（dual enhanced attention u-shaped network， DA-UNet），通过在U-Net中引入注意力增强模块（gated attention fusion module，GAF）与多尺度特征融合模块（multi-scale feature fusion module， MSFF），旨在动态筛选关键特征并增强多尺度表达能力，从而提升分割精度，尤其是在边界与小目标上。

1 研究方法

为有效提升遥感图像中建筑物目标的分割精度，尤其是提升对小尺度目标的识别能力和边界轮廓的提取能力，本文提出了DA-UNet。该模型以经典的U-Net结构为基础，在保持其编码-解码主干架构的前提下，引入了两个改进模块：GAF与MSFF。前者通过自适应权重机制引导浅层和深层特征的融合过程，使模型更加关注建筑物目标区域；后者通过多感受野并行卷积结构增强对不同尺度建筑物的感知能力，提升边界表达与小目标识别效果。以下将对整体网络架构及两个核心改进模块进行详细阐述。

1.1 DA-UNet

DA-UNet基于U-Net的编码器-解码器结构，编码器通过多层卷积和下采样操作逐步提取输入图像的多尺度语义特征。具体而言，给定输入遥感影像X∈RH×W×C（R为实数集，H为图像高度，W为图像宽度，C为通道数），编码器包含若干个卷积块，每个块由连续两个3×3卷积层构成，卷积层后接批量归一化（batch normalization， BN）和线性整流激活函数（rectified linear unit， ReLU）。经过第l层编码器后，特征图表示为Fl∈RHl×Wl×Cl ，空间尺寸逐层缩小，通道数递增，编码器捕获了不同尺度的抽象语义。

解码器通过反卷积或上采样操作逐步恢复空间尺寸，同时结合编码器对应层的跳跃连接特征进行融合，提升空间细节的表达能力。传统U-Net通过简单的通道拼接实现特征融合，但在复杂遥感场景中往往存在背景干扰和信息冗余，影响分割准确性。为此，本模型引入注意力增强模块，以动态调整跳跃连接特征的权重，提升特征融合的针对性。

此外，考虑到遥感建筑物尺度差异大、形态复杂的实际情况，模型在解码器后期设计多尺度特征融合模块。该模块通过并行多尺寸卷积核提取多尺度特征，并结合空间注意力机制，实现对建筑物不同尺度和边界细节的充分表达。整合后特征与解码器主干特征融合，进一步提升分割性能。

整体模型结构如图1所示，输入图像经过编码器提取多层特征，跳跃连接处通过注意力增强模块动态加权后与解码器特征融合，解码器末端应用多尺度特征融合模块增强多感受野表达，最终通过1×1卷积映射至建筑物类别概率图，实现精确分割。

图1 DA-UNet结构

1.2 注意力增强模块

跳跃连接特征融合是U-Net实现空间细节恢复的关键步骤，然而传统的直接拼接方式未考虑特征间的重要性差异，易引入噪声［14-15］。DA-UNet［16-17］针对这一问题，在跳跃连接处设计了自适应的GAF，如图2所示。该模块通过通道注意力机制动态调整跳跃连接传递的浅层特征通道权重，增强建筑物目标相关特征的表达。

图2 GAF

具体而言，设跳跃连接输入特征图为Fl∈RHl×Wl×Cl ，沿空间维度对每个通道执行全局平均池化，生成通道描述向量zc，公式为

式中，i为特征图空间维度的高度索引；j为特征图空间维度的宽度索引；c为特征图通道维度的索引。

该描述向量经过两层全连接网络映射，第一层降维，第二层恢复维度，分别施加ReLU和Sigmoid激活，生成通道权重s，公式为

式中，，分别为权重矩阵；r为缩放比；δ(∙)为ReLU激活函数；σ(∙)为Sigmoid函数。得到的权重s∈RCl，对原始特征图通道逐一加权，公式为

式中，为重加权后的第C1个通道特征图；s(C1)为通道权重中的第C1个元素；Fl(C1)为原始输入特征图Fl的第C1个通道。

该门控机制使模型自适应聚焦于建筑物相关通道，抑制无关背景，提升了特征融合的有效性。加权特征随后与解码器对应层特征融合，增强目标区域的表达能力。

1.3 多尺度特征融合模块

为提升模型对多尺度建筑物的适应性，在解码器末端引入了MSFF（见图3）。该模块利用多个不同尺寸的卷积核并行处理同一特征图，以捕捉不同空间尺度下的空间语义信息。各分支输出的特征图在通道维度进行融合，生成具有更强空间表达能力的特征表示。该设计在不显著增加模型复杂度的前提下，有效扩展了感受野，增强了对多尺度目标的建模能力。

图3 MSFF模块

该模块设计的优势在于，在不显著增加模型复杂度的情况下，有效扩展了感受野，并增强了对多尺度建筑物的建模能力。相比传统单尺度卷积方法，MSFF能够更准确地处理大小不一的建筑物目标，规避因尺度不匹配造成的漏检或分割不完整，尤其在小尺寸建筑物和复杂边界区域表现出更高的鲁棒性。

1.4 评价指标

为了全面评价所提建筑物语义分割模型的性能，研究选取了交并比（intersection over union，IoU）、F1分数（F1-score）和边界交并比（boundary intersection over union， BIoU）作为评价指标。IoU衡量预测与真实区域的重叠程度，反映整体分割准确性；F1分数兼顾精确率与召回率，适用于类别不平衡场景；BIoU重点评估建筑物边界的提取精度，体现模型对细节的捕捉能力。结合这三种指标，可以多角度评价模型的整体性能及细节表现。

2 实验与分析 2.1 实验数据

通过无人机获取的高分辨率遥感影像分辨率为0.1 m。数据集包含625幅影像块，影像大小为2 250×1 500个像素/张。区域为北京市核心区，包括高密度的住宅与商业建筑区域。

所有影像均经过正射校正与图像增强处理，保证了几何与辐射的一致性。专业人员对影像进行了像素级精细标注，包含“建筑物”与“非建筑物”两类，适用于监督式语义分割任务。实验数据按70%、15%和15%的比例划分为训练集、验证集和测试集，分别用于模型训练、参数调优和性能评估［18-20］。

2.2 实验环境设置

实验在PyTorch框架下进行，使用NVIDIA RTX 3090 图形处理器（graphics processing unit，GPU），采用AdamW优化器，初始学习率为6×10-4，批量大小为8，训练100轮。

2.3 实验结果对比分析

为验证所提DA-Net在遥感影像建筑物语义分割任务中的性能优势，选取语义分割领域主流模型作为对比基准，包括U-Net、DeepLabV3+、PSPNet与高分辨率网络（high-resolution net，HRNet），实验结果如表1所示。

表1 不同模型对比结果

从表1量化结果可见，DA-UNet在IoU、F1分数、BIoU三项核心指标上均显著优于U-Net、Deep-LabV3+、PSPNet与HRNet。作为核心指标的IoU，DA-Net达86.2%，高于其他对比模型，这源于其优化的特征提取与融合机制，实现全局语义与局部细节协同建模，解决了DeepLabV3+对密集小尺度建筑区分不足及背景干扰问题。在非建筑物像素占比约75%的类别不平衡场景中，DA-Net的F1分数达91.5%，其结合数据集像素级标注，通过特征筛选与权重调整，避免了U-Net、PSPNet的漏判及DeepLabV3+的局部误判，实现精确率与召回率协同提升。针对建筑边界模糊问题，DA-Net的BIoU达85.3%，它通过强化边界特征提取与融合，削弱阴影、植被干扰，解决了DeepLabV3+的“边界虚化”与HRNet对复杂干扰边界区分有限的问题。

此外，从图4的可视化结果来看，DA-UNet 生成的分割掩膜轮廓更加清晰，建筑物边界平滑且连贯，细小建筑物区域得到了更完整的识别。而对比模型在复杂背景区域中往往出现建筑物漏检或边界断裂的问题。这充分验证了注意力增强与多尺度特征融合模块在复杂场景下的有效性与适应性。

图4 不同模型的建筑物提取结果对比图

3 结束语

本文针对高分辨率遥感影像中建筑物语义分割精度不足、边界轮廓模糊以及小尺度目标识别困难的问题，提出了DA-UNet。该模型在经典U-Net架构基础上，创新性地引入了GAF和MSFF。GAF通过引导浅层与深层特征的自适应融合，有效突出建筑物区域特征；MSFF利用多感受野并行卷积结构，增强了对不同尺度建筑物的感知能力，显著提升了边界刻画与小目标提取效果。实验结果显示，DA-UNet在IoU、F1分数和BIoU等指标上均优于现有主流方法，证明了所提模型在精度与鲁棒性上的优势。未来工作中，可进一步探索多源数据融合或轻量化改进，以提升模型的泛化能力和推理效率，为智慧城市建设、灾害监测及精细化空间信息管理提供更为可靠的技术支撑。

引文格式：郭琰，吴耐明，翟涛.一种高分辨率遥感影像建筑物提取的改进方法［J］.北京测绘，2026，40（7）：904-908.

［作者简介］ 郭琰（1991—），男，河北邯郸人，大学本科，工程师，研究方向为精密测量与变形监测技术。E-mail: 285525981@qq.com

［通信作者］ 吴耐明，E-mail：wnm620@163.com

来源：北京测绘杂志社 转自：测绘学术资讯