计算机科学与探索

作者：李政威, 汪西莉, 艾美

单位：陕西师范大学 计算机科学学院，西安 710119

关键词：图像分割,遥感图像,无监督域适应,全局和局部特征,像素上下文关系

遥感图像数据量较大，地物类别较多，局部特征与全局特征差距较大，域内特征差异较明显，导致传统的迁移学习难以有效提升模型的推广性能。为此，在传统基于对抗对齐域间特征的无监督域适应模型基础上，提出一种结合原型的两阶段遥感图像无监督域适应分割模型。引入原型表达类别特征，通过原型获取模块获取和更新原型，利用原型施加模块并结合自注意力，将类别全局特征施加到裁剪得到的局部图像特征中，使分割网络兼顾局部和全局类别信息，更好地提取两个域的不变特征。利用目标域图像的伪标签将目标域图像分为易分割和难分割图像，通过对抗和自训练的方式减少目标域的域内特征差异，以便更好地提取目标域难易图像的域内不变特征。利用已知像素类别的分割预测图计算每个像素和相邻像素的上下文关系，生成像素上下文关系图，通过使输出级判别网络判别输入的两个域分割结果的像素上下文关系图来自于哪个域，迫使分割网络更好地提取域不变上下文关系，缓解同谱异物现象。在两个数据集上的实验结果表明，所提模型可以有效缓解局部特征与全局特征差距较大、域内特征差异明显以及同谱异物现象带来的模型迁移性能下降问题，相较于先进的域适应分割方法更具有优势。

来源：2024年第8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2024年第8期