基于编解码结构的土地覆盖监测算法研究

作     者：马占明 

作者单位：南京信息工程大学 

学位级别：硕士

导师姓名：夏旻

授予年度：2023年

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] 

主      题：建筑物和水域 语义分割 局部特征 特征融合 编解码结构 

摘      要：高分辨率遥感图像监测土地覆盖和利用,提取城市和自然环境中的建筑物和水域是重要任务。精确提取可为环境监测和土地利用提供应用价值。因此,高分辨率遥感图像的建筑物和水域提取是土地覆盖检测中的关键任务之一。目前,大多数建筑物和水域提取算法使用基于深度学习的语义分割方法,但仍然存在一些不足。一方面,遥感图像中的建筑物、水域等目标形态复杂,目标大小差异较大,需要对不同尺度的特征进行充分的利用,但现有的语义分割方法在多尺度信息的利用上仍存在不足。容易出现建筑物大面积误判和水域边缘模糊等问题。为了解决该问题,本文提出了基于编解码结构的特征强化网络,解码网络中通过多尺度特征融合模块,将不同尺度的特征进行融合,得到更加丰富和准确的特征表示,从而有效改善建筑物大面积误判和水域边缘模糊等问题。另一方面,由于高分辨率遥感图像中存在大量的细节信息,局部特征提取器往往难以充分捕捉图像中的重要特征,导致分割结果出现误差和漏分等问题。为了解决以上问题,本文提出了基于编解码结构的局部特征搜索网络,解码过程中通过融合注意力上采样模块可以增强局部信息的搜索能力,更好地捕捉目标的细节特征和纹理信息,提高对小目标和遮挡目标的识别能力,具有很好的应用前景。在对比实验中,本文提出的算法在两个遥感数据集上都取得了优秀的分割效果,在像素准确率、类别平均像素准确率和平均交并比等指标上都表现出色。