来源：期刊VIP网 时间：
作者：肖根;刘智慧;马双喜;王智晓;
单位：中国地质大学数学与物理学院;智能地学信息处理湖北省重点实验室(中国地质大学);
摘要：针对基于原始ALS点云的深度学习方法忽略坐标的丰富几何信息、缺乏上下文信息的充分流通等问题，提出基于编码-解码结构的ALS点云分类网络CFFE-Net。首先，构建特征增强模块，它由局部信息融合和上下文正则化两部分组成。该模块充分利用了几何信息与特征信息，使网络学习到的信息特征更具有多样性。其次，设计了上下文融合模块，该模块充分利用上下文的特征信息，加强了不同阶段的信息流通，能更好地实现大尺度变化实例间的分类。为验证CFFE-Net的有效性，在ISPRS和GML＿DataSetA两个ALS数据集上进行了实验。实验结果表明，相比基准网络Closerlook, CFFE-Net在两个数据集上的总体准确度分别提高了4.18%和6.31%,平均F1分数分别提高了4.07%和16.72%。
关键词：ALS点云分类;;编码-解码结构;;特征增强;;上下文融合
基金资助：国家自然科学基金(42374147);; 智能地学信息处理湖北省重点实验室开放研究课题资助(KLIGIP-2023-C02)
