计算机应用

作者：吴宁, 罗杨洋, 许华杰

单位：1.广西大学 计算机与电子信息学院, 南宁 530004；2.广西海洋工程装备与技术重点实验室(北部湾大学), 广西 钦州 535011；3.广西多媒体通信与网络技术重点实验室(广西大学), 南宁 530004

关键词：遥感图像,语义分割,多尺度,特征融合,Swin Transformer

基金：崇左市科技计划项目(FB2018001)

为提高遥感图像语义分割精度，解决深度卷积神经网络（DCNN）特征提取过程中小尺寸目标信息丢失的问题，提出一种基于多尺度特征融合的语义分割方法FuseSwin。首先，在Swin Transformer中引入注意力增强模块（AEM），以突出目标所在区域并抑制背景噪声的干扰；其次，利用特征金字塔网络（FPN）融合多尺度特征的细节信息和高级语义信息，以补充目标的特征；最后，通过空洞空间金字塔池化（ASPP）模块从融合特征图中进一步捕获目标的上下文信息，提升模型分割精度。实验结果表明，所提方法在Potsdam遥感数据集上的平均像素准确率（mPA）和平均交并比（mIoU），与DeepLabV3方法相比，分别提高了2.34、3.23个百分点；与SegFormer方法相比，分别提高了1.28、1.75个百分点，优于目前主流的分割方法。此外，将所提方法实际应用于广西钦州茅尾海的高分辨率遥感图像中的蚝排识别与分割，分别取得96.21%、91.70%的像素准确率（PA）和交并比（IoU）。

来源：2024年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第3期