基于视觉注意机制的复杂场景下建筑物提取研究

With the development of aeronautics and astronautics, the spatial resolution of remote sensing images is increasing, and the difficulty in obtaining data is reduced. Today, with the growing popularity of remote sensing techniques, the automatic information extraction from high-resolution remote sensing images has become research focus. Buildings, which play an important role in human daily life, mark the urban development. Currently, the automatic building extraction from high-resolution remote sensing images has become an important means in urban studies, such as urban sprawl, urban planning, urban heat island effect, population estimation and damage evaluation. With the improvement of spatial resolution, there are more details of ground objects in images and the scenes become more complex, and it’s more difficult for building extraction by traditional methods. How to extract buildings automatically, accurately and efficiently is one of the difficulties in remote sensing image processing field. For the complex scenes in high-resolution remote sensing images, we will introduce the visual attention mechanism to building extraction. Based on visual attention mechanism and object-oriented image analysis method, combining the bottom-up scenario-driven primary feature extraction with top-down task-driven empirical knowledge guide, through studying the visual salient features of buildings, we will propose a multi-scale automatic extraction method from built-up areas to buildings.

随着航空航天技术的发展，遥感影像数据的空间分辨率不断提高，利用高分辨率遥感影像进行建筑物提取已经成为建筑物信息获取的重要手段，而建筑物信息可用于进一步研究城市扩张、城市规划、热岛效应、人口估计、灾害评估等。随着影像分辨率的提高，地物细节愈加丰富，场景信息愈加复杂，传统方法对于建筑物的识别难度也随之增加。因此，如何自动、准确、高效地提取复杂场景下的建筑物信息仍是现今遥感影像信息提取领域的难点。本课题针对高分辨率遥感影像中建筑场景的复杂性，拟将视觉注意机制引入遥感影像建筑物提取中，研究基于视觉注意机制的复杂场景下建筑物自动提取理论及方法。通过分析视觉注意机制在遥感影像解译过程中的作用，研究建筑物的视觉显著特征描述方法，并以此为基础研究视觉注意机制下从建筑区到建筑物的多尺度逐级自动提取策略，从而提升遥感数据处理的自动化程度，并提高遥感影像智能解译的效率和精度。

随着航空航天技术的发展，遥感影像数据的空间分辨率不断提高，利用高分辨率遥感影像进行建筑物提取已经成为建筑物信息获取的重要手段，而建筑物信息可用于进一步研究城市扩张、城市规划、热岛效应、人口估计、灾害评估等。随着影像分辨率的提高，地物细节愈加丰富，场景信息愈加复杂，传统方法对于建筑物的识别难度也随之增加。因此，如何自动、准确、高效地提取复杂场景下的建筑物信息仍是现今遥感影像信息提取领域的难点。本课题针对高分辨率遥感影像中建筑场景的复杂性，将视觉注意机制引入遥感影像建筑物提取中，研究基于视觉注意机制的复杂场景下建筑物自动提取理论及方法。通过分析视觉注意机制在遥感影像解译过程中的作用，研究建筑物的视觉显著特征描述方法，并以此为基础研究视觉注意机制下从建筑区到建筑物的多尺度逐级自动提取策略，从而提升遥感数据处理的自动化程度，并提高遥感影像智能解译的效率和精度。本课题的主要研究内容包括以下几个方面：（1）多特征融合的面向对象遥感影像多尺度分割方法研究；（2）视觉注意机制下遥感影像建筑物显著特征描述方法研究；（3）视觉注意机制下的建筑物多尺度逐级提取策略研究。针对以上研究内容，课题设计了详细的技术路线，经过三年的项目研究，取得了如下成果：（1）提出了一种多特征融合的面向对象遥感影像多尺度分割方法；（2）提出了一种视觉注意机制下遥感影像建筑物显著特征描述方法；（3）提出了视觉注意机制下的建筑物多尺度逐级提取策略，并实现了建筑物提取原型系统。上述研究成果将有助于城市规划、城市地理要素更新、人口估计等研究，具有较深的科学意义和较广的社会价值。