一个三重网络融合了光学和SAR图像,用于彩色钢结构建筑的提取

科学领域:

• 遥感 遥感 遥感 遥感
• 计算机视觉 计算机视觉
• 城市规划 城市规划

背景情况:

• 彩色钢结构建筑对于城市发展至关重要,但由于与常规结构的视觉相似性,仅使用光学数据就很难识别.
• 现有的语义细分网络在提取彩色钢结构建筑时,难以实现一般化和边界准确性.
• 合成孔径雷达 (SAR) 数据提供了独特的金属检测能力,对于区分这些结构至关重要.

研究的目的:

• 开发一个集成的光学和SAR数据网络,用于精确的彩色钢铁建筑物识别.
• 为了提高彩色钢铁建筑提取的准确性和边界规范化.
• 改善建筑活动的监测,支持可持续的城市发展.

主要方法:

• 开发了一个三输入深度学习网络,集成光学和SAR数据.
• 设计了一种多式混合注意模块,以权衡不同数据源的重要性.
• 实施了边界精制 (BR) 模块和深度监督策略,以提高准确性和规范化.

主要成果:

• 综合网络在彩色钢铁建筑物检测方面实现了83.19%的准确率.
• 与主流语义细分技术相比,拟议的方法显示出更高的性能.
• 该方法有效地克服了光学纯粹方法在区分彩色钢结构方面的局限性.

结论:

• 光学和SAR数据与先进的深度学习技术的融合为彩色钢铁建筑物识别提供了强大的解决方案.
• 这种方法显著提高了检测精度,有助于更好的建筑管理和城市规划.
• 这些发现支持可持续发展倡议,特别是在北京-天津-河北等地区.