建筑物图像语义解析是计算机视觉中一个重要研究课题,在三维语义重建、文化遗产数字化保护、智慧城市等多个领域有着极大的应用价值。然而,建筑物图像噪声较多:1)由于光照不均匀、玻璃反光、窗户开关状态不同等原因导致建筑物立面不同区域相同元素表观差异大;2)建筑物前方经常存在未知类型、形状和大小的遮挡物,这些均为建筑物解析带来极大挑战。本文针对建筑物图像中存在的不同程度的噪声问题,从空间结构上下文建模、元素分布规则学习、特征表达学习和多视角信息融合等角度提出深度学习算法,以准确解析建筑物图像。所完成具体工作如下:1.提出融合空间结构上下文的建筑物图像语义解析方法（Pyramid Atrous Large Kernel Network,Pyramid ALKNet）。该方法基于建筑物结构特点,在多尺度特征空间聚集丰富的长距离结构上下文线索,能够有效处理建筑物元素表观差异等噪声问题。2.提出基于元素分布规则学习的建筑物图像语义解析深度学习框架。该框架的核心为基于建筑物元素分布规则所设计的重复模式修复网络（Repetitive Pattern Completion Network,RPCNet）。该网络结合图像可见部分线索,迭代推理遮挡区域的语义内容。与Pyramid ALKNet相比,RPCNet在较大遮挡区域生成的解析结果更准确。3.提出基于渐进式特征学习的建筑物图像语义解析方法（Progressive Feature Learning Network,PFLNet）。该方法基于贝叶斯卷积神经网络的不确定性计算噪声区域,通过渐进式学习策略,从外到内、从易到难,基于上下文重新表达噪声区域特征。与RPCNet相比,PFLNet在较大遮挡区域内,能够生成质量更高的解析结果。4.在Pyramid ALKNet基础上,提出基于多视角特征聚集的建筑物图像语义解析框架（Multiview Feature Aggregation Network,MFANet）。该框架的亮点在于跨视角特征聚集模块（Cross-view Feature Aggregation Module,CFAM）。该模块通过学习如何从邻近视角选择并融合有用信息,实现目标视角的特征增强。受益于多个视角信息的增强,与Pyramid ALKNet相比,MFANet能够更为有效应对噪声问题。另外,所提出的CFAM模块具有较强的移植性,可与现有单视角图像解析方法实现集成。