《Electronics》：A Boundary-Assisted Multi-Scale Transformer for Object-Level Building Extraction from Satellite Remote Sensing Imagery
Suju Li,
Haoran Wang,
Jing Yao,
Zhaoming Wu and
Zhengchao Chen
编辑推荐：
为解决卫星遥感影像中复杂场景下建筑物提取精度不足、边界模糊等问题，研究人员提出了一种创新的目标级建筑物提取方法——边界辅助多尺度Transformer网络（MRLNet）。该研究结合超像素分割，通过级联多尺度融合模块（CMSFM）和边界辅助损失函数，显著提升了建筑物几何结构与边缘的提取精度。在WHU和Massachusetts两个公开数据集上的实验验证了该方法的优越性，为城市规划、灾害评估等应用提供了高效工具。
在城市发展、灾害评估和城市规划等诸多领域，精确掌握建筑物的分布与形态是至关重要的信息基石。然而，从浩如烟海的卫星遥感影像中自动、精准地“勾勒”出每一栋建筑的轮廓，却是一项充满挑战的任务。传统的像素级分割方法往往“只见树木不见森林”，过于关注纹理细节而忽视了建筑物的整体几何结构，导致在光照变化、阴影遮挡、尺度差异等复杂场景下表现欠佳。现有的一些先进方法，如引入额外边界检测分支的E-D-Net，或专注于特征图层面多尺度融合的Transformer网络，虽然有所改进，但或增加了模型复杂性，或未能充分利用像素与区域的几何关联。为了更优雅、有效地捕捉建筑物的“骨架”与“边界”，一项新的研究应运而生。
该研究论文《A Boundary-Assisted Multi-Scale Transformer for Object-Level Building Extraction from Satellite Remote Sensing Imagery》发表在《Electronics》期刊上。研究人员旨在开发一种能够更好捕捉建筑物几何结构、实现高精度目标级提取的新方法。为此，他们创新性地提出了多尺度区域学习网络（MRLNet）。该方法的核心是受超像素分割启发，将图像表示为一系列相邻区域（块），并在区域级别进行建模。其主要技术方法包括：1）采用Vision Transformer作为区域编码器，学习全局语义信息；2）设计多尺度像素区域几何模块，通过可配置的亲和力头捕获不同空间尺度（如M=4, 8, 16）的像素级几何信息；3）构建级联多尺度融合模块（CMSFM），逐步将低分辨率特征（如1/16）上采样并与高分辨率特征（如1/4, 1/1）融合，实现多尺度信息的有效集成；4）提出边界辅助损失函数（LBdry），通过计算预测概率图沿边界法向的梯度（?yi/?ni），显式地增强模型对边缘的刻画能力，而无需引入额外的网络分支。研究使用了WHU建筑物数据集和Massachusetts建筑物数据集进行训练与评估。
研究结果部分表明，MRLNet在多个评估指标上均取得了领先性能。
- •
在WHU数据集上的性能：MRLNet取得了最高的平均交并比（MIoU）90.14% 和F1分数92.47%，显著优于FCN、UNet、DeepLab V3、SETR等代表性语义分割方法。
- •
在Massachusetts数据集上的性能：MRLNet同样取得了最佳的MIoU 83.14% 和F1分数90.46%，证明了其良好的泛化能力。
- •
消融实验验证核心模块有效性：实验结果显示，在加入CMSFM模块和边界辅助损失函数后，模型性能获得了实质性提升，这直接证明了这两个创新设计的有效性。
- •
训练过程可视化：该图直观展示了仅使用交叉熵损失时，模型预测从早期聚焦区域中心像素，逐渐向边缘像素扩展的过程，说明了边界优化的重要性。
- •
网络架构与模块示意图：文中通过Figure 1、Figure 2、Figure 3等示意图，清晰地阐述了MRLNet的整体架构、区域几何信息计算方式以及CMSFM的工作流程。
结论与讨论部分指出，本工作首次将边界辅助多尺度Transformer用于卫星遥感影像的目标级建筑物提取。 所提出的MRLNet模型通过超像素启发的多尺度几何建模和边界辅助损失优化两大核心贡献，在不增加模型复杂度的前提下，显著提升了建筑物提取的精度，特别是在物体边界和几何结构的保持上。与依赖额外分支进行边界细化的方法（如E-D-Net）或仅在特征图层面进行多尺度融合的Transformer方法相比，本研究的方法更加高效和直接。实验在两个公开数据集上的优异表现，强有力地验证了该方法的有效性和泛化性。这项研究为利用卫星遥感影像进行精确建筑物提取提供了一个有前景的工具，对城市规划、人口估算、灾害评估和环境建模等领域具有重要的应用价值。未来工作可探索该框架在其他遥感目标提取任务（如道路、水体）上的适用性。
