来源：期刊VIP网 时间：
作者：余岸竹;陈俊铭;刘冰;曹雪峰;郭文月;
单位：信息工程大学空间地理信息学院;
摘要：针对SAM对于遥感影像上颜色纹理差异较大的建筑物分割精度低且SAM需要点、框、掩膜、文本等提示对影像进行分割等问题，提出BE-SAM,剔除了SAM的提示编码器，并添加了可以自动从遥感影像中学习高频信息并生成提示的自适应层；通过结合自适应层学习到的高频信息与SAM学习到的一般知识以获取丰富的纹理和空间细节信息。进一步提出一种模型融合策略，提高了建筑物提取的精度。在WHU航空和航天数据集上进行了大量建筑物提取实验。实验表明，与最先进的方法相比，所提出的方法对于纹理复杂的大型建筑物和特征不明显的小型建筑物具有更好的识别效果。此外，该方法在少样本场景下的建筑物提取任务中实现了优异的性能。
关键词：建筑物提取;;深度学习;;SAM;;自适应层;;高频信息;;模型融合
基金资助：国家自然科学基金(42101458、42171456、42130112、41901285、42277478)
