Page 173 - 《武汉大学学报（信息科学版）》2025年第9期

第 50 卷第 9 期 刘梓航等：联合全局-局部特征和动态错误监督的遥感影像建筑物损伤评估方法 1901

提升，完整模型在总体 F1 分数上提升 2.96%，在 LI Jiayi， HUANG Xin， HU Yuping， et al. Fusion
损伤分类 F1 分数上提升 4.08%。迁移实验和变 of Optical Daily and Night-Time Light Remote
化检测实验证明了 GLESNet 在不同数据上的泛 Sensing Images for Collapsed Building Detection： A
Case in Turkey Mw 7. 8 Earthquake［J］. Geomatics
化性和在其他任务上的适用性。然而，目前的网
and Information Science of Wuhan University，
络训练需要大量数据支撑，且在真实案例数据上
2023， 48（10）： 1706-1714.
的迁移性能有待进一步提升。因此，设计针对建
［7］ 刘莹， 陶超， 闫培， 等 . 图割能量驱动的高分辨率
筑物损伤评估任务特点的半监督和弱监督方法
遥 感 影 像 震 害 损 毁 建 筑 物 检 测［J］. 测 绘 学 报 ，
以减轻数据依赖、设计跨域方法以提升迁移性能
2017， 46（7）： 910-917.
是未来研究的重点。 LIU Ying， TAO Chao， YAN Pei， et al. Graph Cut
Energy Driven Earthquake-Damaged Building Detec⁃
参 考 文 献
tion from High-Resolution Remote Sensing Images
［1］ 高智， 胡傲涵， 陈泊安， 等 . 多层级几何—语义融 ［J］. Acta Geodaetica et Cartographica Sinica，
合的图神经网络地表异常检测框架［J］. 遥感学报， 2017， 46（7）： 910-917.
2024， 28（7）： 1760-1770. ［8］ 谢嘉丽， 李永树， 李何超， 等 . 利用灰度共生矩阵
GAO Zhi， HU Aohan ， CHEN Boan ， et al. A 纹理特征识别空心村损毁建筑物的方法［J］. 测绘
Hierarchical Geometry-to-Semantic Fusion GNN 通报， 2017（12）： 90-93.
Framework for Earth Surface Anomalies Detection XIE Jiali， LI Yongshu， LI Hechao， et al. Recogni⁃
［J］. National Remote Sensing Bulletin， 2024， 28 tion of Damage Buildings in Hollow Village Based
（7）： 1760-1770. on Texture Feature of Gray Level Co-Occurrence
［2］ 葛小三， 陈曦， 赵文智， 等 . 基于生成对抗网络的 Matrix［J］. Bulletin of Surveying and Mapping，
建 筑 物 损 毁 检 测［J］. 测 绘 学 报 ， 2022， 51（2）： 2017（12）： 90-93.
238-247. ［9］ 叶昕， 王俊， 秦其明 . 基于高分一号卫星遥感图像
GE Xiaosan， CHEN Xi， ZHAO Wenzhi， et al. De⁃ 的 建 筑 物 震 害 损 毁 检 测 研 究 ： 以 2015 年 尼 泊 尔
tection of Damaged Buildings Based on Generative Ms 8. 1 地 震 为 例［J］. 地 震 学 报 ， 2016， 38（3）：
Adversarial Networks［J］. Acta Geodaetica et Carto⁃ 477-485.
graphica Sinica， 2022， 51（2）： 238-247. YE Xin， WANG Jun， QIN Qiming. Damaged
［3］ 眭海刚， 刘超贤， 黄立洪， 等 . 遥感技术在震后建 Building Detection Based on GF-1 Satellite Remote
筑物损毁检测中的应用［J］. 武汉大学学报（信息科 Sensing Image： A Case Study for Nepal Ms 8. 1
学版）， 2019， 44（7）： 1008-1019. Earthquake［J］. Acta Seismologica Sinica， 2016， 38
SUI Haigang， LIU Chaoxian， HUANG Lihong， et （3）： 477-485.
al. Application of Remote Sensing Technology in ［10］ VETRIVEL A ， GERKE M ， KERLE N ， et al.
Earthquake-Induced Building Damage Detection Disaster Damage Detection Through Synergistic
［J］. Geomatics and Information Science of Wuhan Use of Deep Learning and 3D Point Cloud Fea⁃
University， 2019， 44（7）： 1008-1019. tures Derived from very High Resolution Oblique
［4］ REHOR M， BÄHR H P， TARSHA-KURDI F， Aerial Images， and Multiple-Kernel-Learning［J］.
et al. Contribution of Two Plane Detection Algo⁃ ISPRS Journal of Photogrammetry and Remote
rithms to Recognition of Intact and Damaged Buildings Sensing， 2018， 140： 45-59.
in LiDAR Data［J］. The Photogrammetric Record， ［11］ 周阳， 张云生， 陈斯飏， 等 . 基于 DCNN 特征的建
2008， 23（124）： 441-456. 筑物震害损毁区域检测［J］. 国土资源遥感， 2019，
［5］ 王桥 . 地表异常遥感探测与即时诊断方法研究框架 31（2）： 44-50.
［J］. 测绘学报， 2022， 51（7）： 1141-1152. ZHOU Yang， ZHANG Yunsheng， CHEN Siyang，
WANG Qiao. Research Framework of Remote et al. Disaster Damage Detection in Building Areas
Sensing Monitoring and Real-Time Diagnosis of Based on DCNN Features［J］. Remote Sensing for
Earth Surface Anomalies［J］. Acta Geodaetica et Land & Resources， 2019， 31（2）： 44-50.
Cartographica Sinica， 2022， 51（7）： 1141-1152. ［12］ GUPTA R， GOODMAN B， PATEL N， et al.
［6］ 李家艺， 黄昕， 胡宇平， 等 . 夜光影像和高分辨率 Creating XBD： A Dataset for Assessing Building
影像耦合的土耳其 Mw 7. 8 地震建筑倒塌智能解译 Damage from Satellite Imagery［C］ //IEEE/CVF
［J］. 武汉大学学报（信息科学版）， 2023， 48（10）： Conference on Computer Vision and Pattern Recog⁃
1706-1714. nition Workshops， Long Beach， USA， 2016.