建筑物是地理空间数据的重要组成部分，其轮廓分类是地图综合与空间认知的基础任务。为克服现有几何与统计形状分类方法在特征设计和规则依赖方面的局限，本研究提出了一种融合图注意力网络（GAT）和Transformer结构的建筑物轮廓分类方法——BuildingShape-TransGAT。该方法首先从建筑物多边形轮廓中提取局部与整体几何特征，构建图结构表示；随后通过GAT对局部特征进行聚合与建模，并将其嵌入为高维向量，与整体特征融合后送入Transformer进行深层语义学习；最后通过全连接神经网络完成分类任务。实验结果表明，该方法能够有效表征建筑物轮廓的几何模式，在不依赖影像纹理和先验规则的条件下，实现了建筑物轮廓的端到端分类建模。该研究为地理信息系统、遥感目标识别及其他形状分析场景提供了新的方法思路与实践参考。
 

建筑物形状分类,几何特征提取,局部-整体特征融合,图注意力网络,Transformer