地科学院杨栋杰博士在郭康良教授和高贤君副教授的指导下，在成像科学和摄影技术主流期刊《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》上发表题为“CSA-Net: Complex Scenarios Adaptive Network for Building Extraction for Remote Sensing Images”的研究论文。

该研究主要针对在一些复杂的场景中，当建筑物及其邻近地物的特征相似时，现有的分割模型无法有效区分。因此，提出了一种复杂场景自适应网络（CSA-Net）用于建筑提取。CSA-Net（图1）由层次上下文特征提取（HFE）模块、全局-局部特征交互（GFI）模块和多尺度自适应特征融合（MFF）结构组成。HFE获取不同层次的高级语义信息，并通过跳过连接的方式将其与低级细节信息融合，增强复杂场景中建筑结构的推理和感知能力。在Google Arlinton， WHU和Massachusetts建筑数据集上视觉对比结果表明，该方法可以提高复杂场景下建筑物提取的精度（图2）。

《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》是一本专注于成像科学和摄影技术领域的英语学术期刊，创刊于2008年，由Institute of Electrical and Electronics Engineers Inc.出版商出版。该刊发文范围涵盖IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY等领域，旨在及时、准确、全面地报道国内外IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY工作者在该领域的科学研究等工作中取得的经验、科研成果、技术革新、学术动态等。该刊已被SCIE数据库收录（二区Top），2023年影响因子为5.5。

论文链接：https://ieeexplore.ieee.org/abstract/document/10556688

图 1 CSA-Net的总体结构。HFE在跳跃连接，GFI与模型中间拼接，MFF在图像恢复阶段融合

图 2 在WHU数据集上进行的十种方法的视觉比较。图中绿色代表TP，红色代表FP，蓝色代表FN

图 3 论文首页