计算机科学与探索

作者：吴梦可, 高心丹

单位：东北林业大学 计算机与控制工程学院，哈尔滨 150000

关键词：高分辨率遥感影像,语义分割,卷积神经网络,Swin Transformer

基金：国家自然科学基金（31770768）；黑龙江省揭榜挂帅项目（Ztest221500001）。

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Swin Transformer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Swin Transformer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Swin Transformer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Dice Loss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。

来源：2025年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第1期