双编码端高分辨率遥感影像语义分割算法

作     者：吴梦可 高心丹 

作者机构：东北林业大学计算机与控制工程学院 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2024年

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金项目(31770768) 黑龙江省揭榜挂帅项目(Ztest221500001) 

主　　题：高分辨率遥感影像 语义分割 卷积神经网络 Swin Transformer 

摘      要：遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络(Convolutional Neural Network，CNN)的语义分割算法难以捕捉到影像的全局特征，导致分割效果不佳。针对以上问题，利用Swin Transformer的全局特征提取能力，提出了双编码端高分辨率遥感影像语义分割算法DEGFNet(Dual Encoders and Global Local Transformer Feature Refinement Network)。首先，设计特征融合模块(Feature Fusion Block，FFB)将Swin Transformer捕获的全局特征引入编码端，应对多尺度对象带来的挑战，同时，在Swin Transformer中设计空间交互模块(Spatial Interaction Block，SIB)，降低复杂背景样本带来的负面影响；其次，在解码端引入全局-局部注意力模块(Global Local Transformer Block，GLTB)和特征细化模块(Feature Refinement Block，FRB)，来更好地利用编码端提取的信息，提高语义分割的精确性；最后，采用交叉熵损失和Dice Loss组成的混合损失函数训练模型，减轻样本类别不均衡带来的消极影响。在Vaihingen数据集上，宏观平均F1值(macro-F1，mF1)、平均交并比(mean Intersection over Union，mIoU)和整体准确率(Overall Accuracy，OA)指标分别达到91.9%、84.8%和92.4%，在LoveDA数据集上，mIoU指标达到55.0%，均展现出了更好的语义分割效果和良好的泛化性。