来源：期刊VIP网 时间：
作者：冯媛媛;李朝奎;刘松焕;田沁;
单位：湖南科技大学资源环境与安全工程学院;湖南科技大学测绘遥感信息工程湖南省重点实验室;自然资源部城市国土资源监测与仿真重点实验室;
摘要：矿区建筑物分割大多采用U-Net编码器-解码器网络结构，而编码器-解码器结构并未充分利用语义特征和空间特征从而导致分割精度低。针对现有建筑物提取方法存在的缺陷，提出了语义空间一致性语义分割网络(semantic spatial consistency semantic segmentation network, SSC-SeNet)。该网络首先利用多通道结构，实现了语义特征、空间特征和一致性特征的提取融合；其次在主通道的前三层坐标卷积处引入空间提取通道，并针对空间特征的进一步提取设计了Gabor傅里叶滤波器；然后在主通道的每一层常规卷积块处引入语义提取通道，提高了语义特征提取能力；最后采用特征融合模块将空间提取通道、语义提取通道和主通道的特征进行融合，并生成最后的分割图像。在分辨率为0.03 m的湘潭锰矿建筑物数据集上进行的试验结果表明，SSC-SeNet的交并比高达88.47%,整体准确度达97.09%,均显著优于U-Net等传统网络。此外，得益于其轻量化特点，该模型成功克服了过拟合问题。
关键词：矿区建筑物提取;;语义分割;;SSC-SeNet;;注意力机制;;坐标卷积;;卷积神经网络;;特征融合
基金资助：国家自然科学基金项目(42171418);; 自然资源部城市国土资源监测与仿真重点实验室开放课题(KF-2023-08-09);; 湖南省自然资源科技计划(20230122CH);; 实景三维建设与应用技术湖南省工程研究中心开放课题(3DRS2024H3);; 湖南省地理空间信息工程技术研究中心开放课题(HNG12023005)~~
