从卫星地图准确标注出建筑物地基轮廓在地理信息勘测、区域建筑规划等领域等方面的工作中有着重要的意义。但是由于卫星拍摄图像时会带有一定角度,图像中建筑物位置会与其地基轮廓位置产生偏差,传统图像语义分割方法基于图像的像素值进行划分,只能得到建筑物图像,无法得到建筑物地基轮廓。同时由于卫星图像数据来源较少,数据集获取较为困难,数据集中卫星图像涵盖的拍摄角度也十分有限,这会导致语义分割模型无法得到充分训练。本文分别针对不同角度卫星图像数据不足以及传统图像分割方法无法对建筑物图像进行分割以得到地基轮廓两个问题进行了如下研究工作。针对多角度卫星图像稀疏问题,本文借鉴视频帧插值生成中间视频帧的方法建立了卷积卫星图像生成模型,通过拍摄角度相邻的卫星图像生成全新拍摄角度的卫星图像,以此来加大卫星图像的训练样本量,以提高建筑物地基轮廓的分割精度。此模型将内插帧的像素合成视为两个输入帧上的局部卷积,模型中的EncoderDecoder模块负责捕获帧之间的局部运动关系以及像素合成系数,并生成用于插值的卷积核。通过分离卷积模块,对卷积核进行分离,在保证卷积核尺寸的同时,大幅降低计算代价。本模型无需依赖光流信息,并且可以很好的解决输入帧中存在遮挡,模糊和亮度突然变化等场景。由于建筑物地基轮廓分割任务中建筑物图像与建筑物地基轮廓存在偏差,从而导致语义分割算法无法正确得到地基轮廓,因此本文提出Affine Trans Net语义分割网络。它利用基于仿射变换的投影偏差纠正模块,建立建筑物图像与地基轮廓之间的变换关系,使得建筑物图像可以变换为建筑物地基轮廓。除此之外,此网络建立了扩张卷积模块,以提升卷积核感受野,更好地利用相邻区域的语义信息。针对图像中微小建筑物的分割问题,本网络采用对抗生成方法训练此网络,以提高模型对于图像中微小误差的敏感性,提高模型分割效果。