基于Res_AttentionUnet的高分辨率遥感影像建筑物提取方法

针对目前基于深度学习与高分辨率遥感影像的建筑物提取研究现状,本文提出了一种综合ResNet中的ResBlock残差模块和Attention注意力机制的改进型Unet网络（Res_AttentionUnet）,并将其应用于高分辨率遥感影像建筑物提取,有效地提高了建筑物的提取精度。具体优化方法为：在传统的Unet语义分割网络卷积层中加入针对初高级特征加强提取的ResBlock残差模块,并在网络阶跃连接部分加入Attention注意力机制模块。其中,ResBlock残差模块使卷积后的特征图获取更多的底层信息,增强卷积结构的鲁棒性,从而防止欠拟合;Attention注意力机制可增强对建筑物区域像素的特征学习,使特征提取更完善,从而提高建筑物提取的准确率。本研究采用武汉大学季顺平团队提供的开放数据集（WHU Building Dataset）作为实验数据,并从中选取3个具有不同建筑物特征和代表性的实验区域,然后分别对不同实验区域进行预处理（包括滑动裁剪和图像增强等）,最后分别使用Unet、ResUnet、AttentionUnet和Res_AttentionUnet 4种不同的网络模型对3个不同实验区进行建筑物提取实验,并对实验结果进行交叉对比分析。实验结果表明,与其他3种网络相比,本文所提出的Res_AttentionUnet在基于高分辨率遥感影像的建筑物提取中具有更高的精度,平均提取精度达到95.81%,相较于原始Unet网络提升17.94%,同时相较于仅加入残差模块的Unet网络（ResUnet）提升2.19%,能够显著地提升高分辨率遥感影像中建筑物提取的效果。     

基于SOA的税收征管网络GIS平台

 为了能直观、形象和动态地反映不同区域税收状况的空间分布规律和变化趋势,提高异构税收征管GIS系统的数据共享和互操作性能,采用GIS企业级中间件与开放地理信息联盟(OGC)规范的GIS Web服务(GIServices)相互集成的方式,构建一种面向服务架构(SOA)的税收征管WebGIS系统(STAXGIS)。STAXGIS是一致性的业务模型和信息模型,通过GIS企业级中间件提供空间数据转换、税收业务处理与税收空间分析等高级服务功能,并采用GIServices提供税源查询与定位、税收专题分析、税务查询与申报等方面的信息服务。STAXGIS采用J2EE 4层框架(即数据层、应用服务层、Web服务层和客户层)实现其部署与分层管理,这与传统税收征管GIS系统相比,STAXGIS的征管效率和可扩展性大大提高。以福建省福州市为例的研究表明,STAXGIS可增强现有分散管理的异构税收征管GIS系统在分布式环境下的信息共享能力和互操作性,提高异构环境下税收征管空间分析的整体效率,并向各级税务管理部门提供直接或间接的决策支持。