双编码端高分辨率遥感影像语义分割算法.pdfVIP

计算机科学与探索1673-9418/2025/19(01)-0187-09

JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2311071

双编码端高分辨率遥感影像语义分割算法

+

吴梦可，高心丹

东北林业大学计算机与控制工程学院，哈尔滨150000

+通信作者E-mail:gaoxd@

摘要：遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络（CNN）的语义分割算法难以

捕捉到影像的全局特征，导致分割效果不佳。针对以上问题，利用SwinTransformer的全局特征提取能力，提出了

双编码端高分辨率遥感影像语义分割算法DEGFNet。设计特征融合模块（FFB）将SwinTransformer捕获的全局特

征引入编码端，应对多尺度对象带来的挑战。在SwinTransformer中设计空间交互模块（SIB），降低复杂背景样本

带来的负面影响；在解码端引入全局-局部注意力模块（GLTB）和特征细化模块（FRB），来更好地利用编码端提取的

信息，提高语义分割的精确性；采用交叉熵损失和DiceLoss组成的混合损失函数训练模型，减轻样本类别不均衡带

来的消极影响。在Vaihingen数据集上，宏观平均F1值（mF1）、平均交并比（mIoU）和整体准确率（OA）指标分别达

到91.9%、84.8%和92.4%；在LoveDA数据集上，mIoU指标达到55.0%，均展现出了更好的语义分割效果和良好的

泛化性。

关键词：高分辨率遥感影像；语义分割；卷积神经网络；SwinTransformer

文献标志码：A中图分类号：TP75

SemanticSegmentationAlgorithmforHighResolutionRemoteSensingImageswith

DualEncoder

WUMengke,GAOXindan+

SchoolofComputerandControlEngineering,NortheastForestryUniversity,Harbin150000,China

Abstract:Remotesensingimageshavethecharacteristicsofmulti-scaleobjects,complexbackgrounds,andimbalanced

categories.Thesemanticsegmentationalgorithmbasedonconvolutionalneuralnetwork(CNN)isdifficulttocapturethe

globalcharacteristicsoftheimage,resultinginpoorsegmentationresults.Inresponsetotheaboveproblems,usingthe

globalfeatureextractioncapabilityofSwinTransformer,adualencoderhigh-resolutionremotesensingimagesemantic

segmentationalgorithmDEGFNet(dualencodersandgloballocaltransformerfeaturerefinementnetwork)isproposed.

Firstly,thefeaturefusionblock(FFB)isdesignedtointroducetheglobalfeaturescapturedbySwinTransformerintothe

encodertoaddressthechallengesofmulti-scaleobjects.Atthesametime,thespatialinteractionblock(SIB)isdesigned

inSwinTransformer