用于单幅航空图像高度估计的门控特征集合

从单张图片进行高度估计，严格地说，是一个不适定的问题。然而，最近的研究表明，从图像统计数据中学习到高度信息的映射既可能又可行。尽管这一领域近期付出了很多努力，但如何学习能够保留细节形状的特征，例如物体的边界和轮廓，仍然是一个未解决的问题。在这项工作中，我们提出了一个渐进式学习网络，以从粗糙到细致的方式从单张航拍图像中估计高度信息。特别地，我们引入了一个门控特征聚合模块，有效地结合了低层次和高层次的特征。所提出的方法在三个公共数据集上进行了验证，包括Vaihingen数据集、Potsdam数据集和DFC2019数据集。定量和定性的实验结果均显示，与四种相关的高度估计方法相比，所提出的方法能够从单张航拍图像中获得更准确的高度估计，特别是在保留物体边界和轮廓的能力上表现更佳。