基于改进ASPP的域适应地物分类算法

遥感摄影图像由于具有地域多样性特点(不同的地理位置、地形、天气条件),在跨域语义分割任务上容易出现目标的错漏分问题。为了进一步解决跨域分割的问题,根据先进的Scale-aware_da算法提出了一个具有尺度意识的对抗学习框架。对Scale-aware_da算法进行改良,提出了一种生成对抗网络并改进空洞卷积空间金字塔池化模块(ASPP)的域适应土地覆盖分类算法。该算法在不同特征层使用阶梯级递减的多尺度ASPP;将不同特征层所得信息进行融合,较好地保留了各类目标信息;基于生成对抗网络原理,对于源域和目标域的域间差异问题,提出了三鉴别器网络,包括特征鉴别器、尺度鉴别器和跨域鉴别器。在ISPRS Vaihingen与ISPRS Potsdam互为源域与目标域的情况下,做域自适应实验,实验结果表明,文中算法与Scale-aware_da算法的平均交并比(MIoU)指标相比,在Potsdam—Vaihingen域适应中提升了0.93%,在Vaihingen—Potsdam域适应中提升了1.23%。