面向多源数据的多区域尺度协同高分遥感图像语义分割.pdfVIP

小型微型计算机系统2025年1月第1期

DOI:10.20009/j.cnki.21-1106/TP.2023-0426

JournalofChineseComputerSystemsVol.46No.12025

面向多源数据的多区域尺度协同高分遥感图像语义分割

林易丰1-2,陈光剑*,陈浩1-2,翁谦1-23,林嘉雯1.2,3

1（福州大学计算机与大数据学院，福州350116)

2（福州大学福建省网络计算与智能信息处理重点实验室，福州350116)

3（福州大学空间数据挖掘与信息共享教育部重点实验室，福州350116）

4（福建省地质测绘院，福州350116）

E-mail:ljw@fzu.edu.cn

摘要：在高分遥感图像语义分割中，为解决如何有效融合光谱信息与高程信息以分割相似光谱的不同地物的问题和通过捕

获长距离依赖信息来提升局部地物识别精度，本文提出一种面向多源数据的多区域尺度协同语义分割方法，该方法包括：一种

不等长的多分支语义分割网络，以有效提取多源特征，充分利用多源数据之间的互补信息；一个轻量级的协同注意力特征融合

模块，用于在特征融合阶段有效地融合多分支特征；一种多区域尺度协同的数据增强方法，引导网络捕获长距离依赖信息，在

ISPRS提供的公开数据集Vaihingen和Potsdam上的实验结果表明，与同类型主流方法对比，本文提出的方法具有更优的分割

性能，且得到的地物细节信息更加完整，参数量也更小，

关键词：语义分割；高分遥感图像；数字表面模型；多源数据融合；协同注意力

中图分类号：TP751文献标识码：A文章编号：1000-1220(2025)01-0158-09

MultiRegion-scaleCollaborativeSemanticSegmentationofHigh-resolutionRemoteSensing

ImagesforMulti-sourceData

LINYifeng*,CHENGuangjan,CHENHao,WENGQian2-,LINJiawen23

1(CollegeofComputerandDataScience,FuzhouUniversity,Fuzhou350116,China)

2(FujianKeyLaboratoryofNetworkComputingandIntelligentInformationProcessing,FuzhouUniversity,Fuzhou350116,China)

3(KeyLabofSpatialDataMiningandInformationSharing,MinistryofEducation,FuzhouUniversity,Fuzhou350116,China)

4(FujianGeologicSurveyingandMappingInstitute,Fuzhou350116,China)

Abstract:Inthesemanticsegmentationofhigh-resolutionremotesensingimages,inordertosolvetheproblemofhowtoeffectively

fusespectralandelevationinformationtosegmentdifferentfeatureswithsimilarspectraandtoimprovethelocalfeaturerecognition

accuracybycapturinglong-rangedependentinformation,thispaperproposesamulti-regionscalecollaborativesemanticsegmentation

methodformulti-sourcedata.Them