Page 69 - 《武汉大学学报（信息科学版）》2025年第6期

第 50 卷第 6 期 隋百凯等：基于几何先验约束的高点多视角损毁建筑物检测方法 1091

达能力；通过聚合感知和空间-通道注意力的深 Transformer 注意力实例分割模型进行引导和约
层-浅层特征同步方法，利用细粒度的特征对齐 束，对高点监测下的损毁建筑物进行精准检测。
弥 合 不 同 建 筑 物 数 据 域 之 间 的 差 异 ，旨 在 对 齐 最后，设计一种基于垂直/水平视场切割的几何
多层特征提升模型在视角差异环境下的建筑物 约 束 的 空 间 映 射 方 法 ，将 检 测 的 建 筑 信 息 映 射
信息提取能力。然后，在损毁建筑检测部分，将 到 三 维 地 理 空 间 场 景 中 ，满 足 应 急 救 援 的
Canny 边 缘 检 测 算 法 和 熵 混 乱 表 征 模 块 融 入 需求。

图 1 损毁建筑判定
Fig. 1 Determination of Damaged Buildings

图 2 本文方法的总体技术流程
Fig. 2 Overall Technical Process of the Proposed Method
1.1 基于特征增强和细粒度特征对齐的多视角 由卷积层、批量归一化（batch normalization，BN）
域特征同步模型 层和 ReLU 激活层组成，深层特征增强分支由深

针对高点建筑物信息提取中背景复杂和视 度 可 分 离 卷 积（depthwise separable convolution，
角差异造成的网络特征表达能力有限的问题，构 DWConv）层 、BN 层 和 ReLU 激 活 层 组 成 。 此
建基于阶段感知特征增强和细粒度特征对齐的 外，模块中还添加了一个跳跃分支，保持原有的
跨视角域建筑特征同步模型，其核心主要包括多 输入特征，避免有用信息丢失。最终，将原始特
分支阶段感知特征增强模块、联合聚合感知和空 征 、浅 层 增 强 特 征 以 及 深 层 增 强 特 征 进 行 特 征
间-通道注意力的深层-浅层特征同步模块。 融 合 得 到 的 增 强 后 的 特 征 ，可 大 幅 提 高 网 络 的
多分支阶段感知特征增强模块如图 3 所示。 特征表达能力。
对于富含建筑物边缘、纹理、线条等空间信息的 联 合 聚 合 感 知 和 空 间 -通 道 注 意 力 的 深 层 -
浅层特征，使用分支 1 以保留更多的空间信息； 浅层特征同步模块如图 4 所示。首先，将增强后
对于富含语义信息如建筑物形状和类别的深层 的 深 层（形 状）和 浅 层（边 缘 、角 点）特 征 进 行 聚
特征和较深层特征，使用分支 2 和分支 3 进行语 合 感 知 处 理 ，使 得 特 征 的 多 尺 度 信 息 能 够 充 分
义特征的映射和增强表达。浅层特征增强分支 流 动 ，对 聚 合 感 知 后 的 特 征 进 行 卷 积 操 作 来 预