基于改进PSPNet的卫星遥感图像建筑物语义分割算法

摘要：

针对卫星遥感图像中的建筑分割算法对特征相似的小目标建筑识别效果差以及对大目标建筑轮廓边缘分割精度低的问题,基于PSPNet算法,结合Swin Transformer主干网络和特征金字塔融合局部特征以及通道和空间注意力机制,提出一种改进的PSPNet算法,实现对卫星遥感图像中的建筑高精度分割.首先,将原始PSPNet算法的主干网络Resnet101替换为Swin Transformer以增加主干网络的全局特征提取能力;其次,以主干网络输出多层级特征图并结合特征金字塔融合模块获取图像的局部语义信息;最后,将全局信息和局部信息融合并送入通道注意力以及空间注意力模块CBAM,使其在空间和通道两个维度都能获得丰富的语义信息.实验结果表明,改进后的PSPNet算法平均准确度和平均交并比分别为91.76％和86.02％,较原始的PSPNet算法提高了2.48％和3.47％,且优于深度学习领域经典的U-Net、FCN、DeeplabV3+、DANet等语义分割算法.

关键词：PSPNet、注意力机制、特征融合、深度学习、语义分割

所属期刊栏目：38

分类号：TP79(遥感技术)

在线出版日期：2023-10-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：73-79