基于混合深度卷积的遥感影像语义分割.pdfVIP

第４２卷第８期计算机应用与软件Ｖｏｌ４２Ｎｏ．８

２０２５年８月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＡｕｇ．２０２５

基于混合深度卷积的遥感影像语义分割

１，２２１

田智慧郎杰魏海涛

１（郑州大学地球科学与技术学院河南郑州４５００５２）

２（郑州大学计算机与人工智能学院河南郑州４５０００１）

摘要高分辨率遥感影像语义分割作为遥感解译的重要组成部分，其中包含了大量复杂的地物特征信息，且

不同地物目标尺寸相差较大，这为遥感影像语义分割带来了一定困难。针对该问题，设计并实现一种基于混合深

度卷积的遥感影像语义分割模型ＭＤＵＮｅｔ。该模型在编码器中采用分阶段的并行网络结构，通过对不同层级中

子分支动态的分配权重来实现编码器的动态网络结构，同时引入一种通道和空间注意力模块来改进编码器到解

码器的特征融合效果，提升语义分割效果。在ＩＳＰＲＳｖａｌｉｄａｔｉｏｎ数据集上的测试集精度比ＤｅｅｐＬａｂｖ３＋提高３．４４

百分点。实验结果表明，该网络在高分辨率遥感影像分割问题中取得了良好的分割效果。

关键词语义分割遥感影像深度学习特征融合

中图分类号ＴＰ３９１文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２５．０８．０３４

ＳＥＭＡＮＴＩＣＳＥＧＭＥＮＴＡＴＩＯＮＯＦＲＥＭＯＴＥＳＥＮＳＩＮＧＩＭＡＧＥＳ

ＢＡＳＥＤＯＮＭＩＸＥＤＤＥＥＰＣＯＮＶＯＬＵＴＩＯＮ

１，２２１

ＴｉａｎＺｈｉｈｕｉＬａｎｇＪｉｅＷｅｉＨａｉｔａｏ

１（ＣｏｌｌｅｇｅｏｆＥａｒｔｈＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５００５２，Ｈｅｎａｎ，Ｃｈｉｎａ）

２（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒａｎｄＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５０００１，Ｈｅｎａｎ，Ｃｈｉｎａ）

ＡｂｓｔｒａｃｔＡｓａｎｉｍｐｏｒｔａｎｔｐａｒｔｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｔｅｒｐｒｅｔａｔｉｏｎ，ｓｅｍａｎｔｉｃｓｅｇｍｅｎｔａｔｉｏｎｏｆｈｉｇｈｒｅｓｏｌｕｔｉｏｎｒｅｍｏｔｅ

ｓｅｎｓｉｎｇｉｍａｇｅｓｃｏｎｔａｉｎｓａｌａｒｇｅａｍｏｕｎｔｏｆｃｏｍｐｌｅｘｆｅａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎｏｆｇｒｏｕｎｄｏｂｊｅｃｔｓ，ａｎｄｔｈｅｓｉｚｅｏｆｄｉｆｆｅｒｅｎｔｇｒｏｕｎｄ

ｏｂｊｅｃｔｓｉｓｑｕｉｔｅｄｉｆｆｅｒｅｎｔ，ｗｈｉｃｈｂｒｉｎｇｓｓｏｍｅｄｉｆｆｉｃｕｌｔｉｅｓｔｏｓｅｍａｎｔｉｃｓｅｇｍｅｎｔａｔｉｏｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓ．Ｔｏｓｏｌｖｅｔｈｉｓ

ｐｒｏｂｌｅｍ，ａｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｅｍａｎｔｉｃｓｅｇｍｅｎｔａｔｉｏｎｍｏｄｅｌＭＤＵＮＥＴｂａｓｅｄｏｎｈｙｂｒｉｄｄｅｅｐｃｏｎｖｏｌｕｔｉｏｎｉｓｄｅｓｉｇｎｅｄ

ａｎｄｉｍｐｌｅｍｅｎｔｅｄ．Ｉｎｔｈｉｓｍｏｄｅｌ，ａｐａｒａｌｌｅｌｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｍｏｄｕｌｅｗａｓｕｓｅｄｉｎｔｈｅｅｎｃｏｄｉｎｇｓｔａｇｅ，ａｎｄｔｈｅｄｙｎａｍｉｃ

ｍｏｄｅｌｔｏｐｏｌｏｇｙｗａｓｒｅａｌｉｚｅｄｂｙｄｙｎａｍｉｃａｌｌｙａｓｓｉｇｎｉｎｇｗｅｉｇｈｔｓｔｏｄｉｆｆｅｒｅｎｔｂｒａｎｃｈｅｓｉｎｔｈｅｍｏｄｕｌｅ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ａ

ｃｈａｎｎｅｌａｎｄｓｐａｔｉａｌａｔｔｅｎｔｉｏｎｍｏｄｅｌｗｅｒｅｉｎｔｒｏｄｕｃｅｄｔｏｉｍｐｒｏｖｅｔｈｅｆｅａｔｕｒｅｆｕｓｉｏｎｅｆｆｅｃｔｆｒｏｍｅｎｃｏｄｅｒｔｏｄｅｃｏｄｅｒａｎｄ

ｉｍｐｒｏｖｅｔｈｅｓｅｍａｎｔｉｃｓｅｇｍｅｎｔａｔｉ