基于改进Deeplabv3+的遥感图像语义分割研究

摘要：

遥感图像分割在城市规划、土地资源管理、交通规划等领域中发挥了重要作用,但是遥感图像中环境复杂、地物尺度差别较大,给遥感图像的分割带来一定难度.采用一个结合通道注意力的特征融合模块,替代Deeplabv3+网络中的解码器部分,以自适应地从高层特征引导的低层特征中选择有用的空间细节特征,并筛选相关干扰信息.其中通过通道注意力机制来得到加权后的高层特征,有利于提取全局上下文以及更有效的语义信息,并利用加权后的高层特征指导提取精细化的低层特征信息,以保留更多的图像边缘、纹理等信息.在INRIA Aerial Image高分辨率遥感图像数据集上进行训练和测试,并与相关模型进行对比,研究结果表明,改进后的Deeplabv3+网络在遥感图像分割中性能优异,改善了目标边缘以及小尺度目标物体的分割效果,具有一定的研究和应用价值.

关键词：遥感图像、Deeplabv3+、通道注意力、特征融合、语义分割

所属期刊栏目：36

分类号：TP751(遥感技术)

资助基金：国家自然科学基金;江西省教育厅科学技术研究项目

在线出版日期：2022-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：24-31