DOI: https://doi.org/10.1109/tgrs.2025.3645320
تاريخ النشر: 2026-01-01
المؤلف: Siyuan Yao وآخرون
الموضوع الرئيسي: استخراج الطرق والمباني بشكل آلي
نظرة عامة
في هذا البحث، يتناول المؤلفون تحديات استخراج المباني من صور الاستشعار عن بعد، والتي غالبًا ما تكون معقدة بسبب التغيرات الهيكلية ومشكلات دمج الميزات. يقدمون شبكة دمج عالمية-محلية مجمعة غير مؤكدة (UAGLNet)، مصممة لتعزيز دقة التقسيم من خلال الاستفادة الفعالة من الدلالات البصرية العالمية والمحلية من خلال نمذجة عدم اليقين. تتضمن البنية مشفرًا تعاونيًا يدمج طبقات الالتفاف الهجينة وطبقات المحولات لالتقاط مقاييس دلالية مختلفة، بالإضافة إلى كتلة تفاعل تعاوني وسيطة (CIB) تسد الفجوة بين الميزات المحلية والعالمية مع تعمق الشبكة.
بالإضافة إلى ذلك، يقترح المؤلفون وحدة دمج عالمية-محلية (GLF) لدمج التمثيلات البصرية الهرمية بشكل متكامل ومفكك غير مؤكد (UAD) لمعالجة غموض التقسيم في المناطق غير المؤكدة. تشير النتائج التجريبية الواسعة إلى أن UAGLNet يتفوق على الأساليب الحالية الرائدة، مما يثبت فعاليته في مهام استخراج المباني. الشيفرة الخاصة بالطريقة المقترحة متاحة للجمهور، مما يسهل المزيد من البحث والتطبيق.
مقدمة
تسلط مقدمة ورقة البحث الضوء على أهمية استخراج المباني من صور الاستشعار عن بعد عالية الدقة (RS)، وهي مجال حيوي للدراسة مع تطبيقات متنوعة مثل التخطيط الحضري، وتوقعات السكان، وأنظمة المعلومات الجغرافية (GIS). يؤكد المؤلفون على التقدم السريع في تقنيات التصوير بالأقمار الصناعية والطائرات، مما يستدعي تحسين المنهجيات لتمييز المباني بدقة في صور RS. يهدف هذا البحث إلى معالجة التحديات التي تطرحها هذه التطورات التكنولوجية، وبالتالي تعزيز فعالية تقنيات استخراج المباني.
الطرق
توضح قسم المنهجية بنية UAGLNet المقترحة، التي تعمل على إطار عمل مشفر-مفكك. يتكون النموذج من ثلاثة مكونات رئيسية: مشفر تعاوني (CE)، وحدة دمج عالمية-محلية (GLF)، ومفكك غير مؤكد (UAD). يدمج CE كتل الالتفاف في مراحله الأولية لالتقاط الميزات المحلية، وينتقل إلى كتل المحولات في المرحلة النهائية لاحتواء الدلالات البصرية العالمية. ميزة رئيسية لـ CE هي إدخال كتلة تفاعل تعاوني وسيطة (CIB)، مصممة لسد الفجوة بين الميزات المحلية والعالمية بشكل فعال.
بعد CE، يتم استخدام وحدة GLF لدمج التمثيلات البصرية الهرمية بطريقة تكاملية. المكون النهائي، UAD، مكلف بتقدير عدم اليقين على مستوى البكسل، مما يوجه انتباه النموذج نحو المناطق الأقل ثقة. تهدف هذه الطريقة إلى تقليل عدم اليقين في التقسيم، مما يعزز الأداء العام لـ UAGLNet في المهام البصرية.
نقاش
في هذا القسم، يناقش المؤلفون تطوير ومزايا شبكة الدمج العالمية-المحلية المجمعة غير المؤكدة (UAGLNet) المقترحة لاستخراج المباني من الصور الجوية. تهدف UAGLNet إلى معالجة قيود الأساليب الحالية، لا سيما الفجوة في الأهرامات المميزة وعدم كفاية دمج الميزات العالمية والمحلية. تستخدم البنية مشفرًا تعاونيًا يستفيد من كتل الالتفاف لالتقاط المعلومات المحلية في المراحل المبكرة وكتل المحولات للسياق العالمي في المراحل اللاحقة. يعزز مُعدل الميزات متعدد النواة (MKFM) التمثيلات المحلية، بينما تسهل وحدة الدمج العالمية-المحلية (GLF) دمج الميزات بشكل فعال عبر مقاييس مختلفة.
يبرز المؤلفون أن الأساليب التقليدية المعتمدة على CNN تواجه صعوبات مع الاعتماديات بعيدة المدى، مما قد يؤدي إلى عدم الدقة في السيناريوهات المعقدة. على النقيض من ذلك، يسمح تصميم UAGLNet بتفاعل أفضل بين الميزات المحلية والعالمية، مما يحسن دقة التقسيم. بالإضافة إلى ذلك، يتم تقديم المفكك غير المؤكد (UAD) للتركيز على البكسلات الصعبة من خلال نمذجة عدم اليقين، مما يساعد في التخفيف من غموض التقسيم. تم التحقق من البنية المقترحة من خلال التجارب على مجموعات بيانات متعددة، مما يثبت أدائها المتفوق مقارنة بالأساليب الرائدة. بشكل عام، تمثل UAGLNet تقدمًا كبيرًا في تقنيات استخراج المباني، مستفيدة من هياكل CNN-محول الهجينة ونمذجة عدم اليقين لتعزيز الدقة والموثوقية.
DOI: https://doi.org/10.1109/tgrs.2025.3645320
Publication Date: 2026-01-01
Author(s): Siyuan Yao et al.
Primary Topic: Automated Road and Building Extraction
Overview
In this research, the authors address the challenges of building extraction from remote sensing images, which are often complicated by structural variations and feature integration issues. They introduce the Uncertainty-Aggregated Global-Local Fusion Network (UAGLNet), designed to enhance the accuracy of segmentation by effectively leveraging global and local visual semantics through uncertainty modeling. The architecture includes a cooperative encoder that integrates hybrid convolutional and transformer layers to capture different semantic scales, along with an intermediate cooperative interaction block (CIB) that bridges the gap between local and global features as the network deepens.
Additionally, the authors propose a Global-Local Fusion (GLF) module to synergistically combine hierarchical visual representations and an Uncertainty-Aggregated Decoder (UAD) to address segmentation ambiguities in uncertain regions. The extensive experimental results indicate that UAGLNet outperforms existing state-of-the-art methods, demonstrating its effectiveness in building extraction tasks. The code for the proposed method is publicly available, facilitating further research and application.
Introduction
The introduction of the research paper highlights the significance of building extraction from high-resolution remote sensing (RS) images, a critical area of study with diverse applications such as urban planning, population forecasting, and Geographic Information Systems (GIS). The authors emphasize the rapid advancements in satellite and aerial imaging technologies, which necessitate improved methodologies for accurately distinguishing buildings in RS imagery. This research aims to address the challenges posed by these technological developments, thereby enhancing the effectiveness of building extraction techniques.
Methods
The methodology section outlines the architecture of the proposed UAGLNet, which operates on an encoder-decoder framework. The model comprises three main components: a Cooperative Encoder (CE), a Global-Local Fusion module (GLF), and an Uncertainty-Aggregated Decoder (UAD). The CE integrates convolutional blocks in its initial stages to capture local features, transitioning to transformer blocks in the final stage to encapsulate global visual semantics. A key feature of the CE is the introduction of an intermediate Cooperative Interaction Block (CIB), designed to bridge the gap between local and global features effectively.
Following the CE, the GLF module is employed to fuse hierarchical visual representations in a complementary manner. The final component, UAD, is tasked with quantifying pixel-wise uncertainty, directing the model’s attention towards less confident regions. This approach aims to reduce segmentation uncertainty, enhancing the overall performance of the UAGLNet in visual tasks.
Discussion
In this section, the authors discuss the development and advantages of their proposed Uncertainty-Aggregated Global-Local Fusion Network (UAGLNet) for building extraction from aerial images. UAGLNet aims to address the limitations of existing methods, particularly the gap in feature pyramids and the insufficient integration of global and local features. The architecture employs a Cooperative Encoder that utilizes convolutional blocks to capture local information in early stages and transformer blocks for global context in later stages. A Multi-Kernel Feature Modulator (MKFM) enhances local representations, while a Global-Local Fusion (GLF) module facilitates effective feature integration across different scales.
The authors highlight that traditional CNN-based approaches struggle with long-range dependencies, which can lead to inaccuracies in complex scenarios. In contrast, UAGLNet’s design allows for better interaction between local and global features, thereby improving segmentation accuracy. Additionally, the Uncertainty-Aggregated Decoder (UAD) is introduced to focus on challenging pixels by modeling uncertainty, which helps mitigate segmentation ambiguities. The proposed architecture is validated through experiments on multiple datasets, demonstrating its superior performance compared to state-of-the-art methods. Overall, UAGLNet represents a significant advancement in building extraction techniques, leveraging hybrid CNN-transformer architectures and uncertainty modeling to enhance accuracy and robustness.