面向小目标提取的改进DeepLabV3+模型遥感图像分割

摘要：

针对DeepLabV3+模型在遥感影像语义分割中呈现出小尺度地物语义信息丢失、数据类别不均衡引起误差等缺陷,提出了一种面向小目标提取的改进DeepLabV3+语义分割模型.首先,在模型编码器空间空洞金字塔池化(atrous spatial pyramid pooling,ASPP)中引入多组并行空洞卷积(multiple parallel dilated convolution,MPDC)和感受野融合策略;其次,在模型解码器部分加入特征注意力融合模块(feature attention fusion,FAF);最后,使用加权的Lovasz-softmax loss优化损失函数.将改进后的模型通过Landcover和CCF2017高分辨率遥感影像数据集进行验证,结果表明,在两个测试数据集上的平均交并比比原始的DeepLabV3+模型分别提高了1.17％ ～1.24％ 和0.85％ ～0.95％,特别地,小目标如建筑物的交并比相比原始模型分别提升了3.51％ ～3.86％ 和2.11％ ～2.38％,改进后的DeepLabV3+模型能更充分表达高分辨率遥感图像细节信息.

关键词：语义分割、空洞卷积、感受野融合、特征注意力融合、损失函数

所属期刊栏目：37

分类号：TP753(遥感技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：34-44