改进SegFormer网络的遥感图像语义分割方法

由于遥感图像存在目标尺度多、小目标的语义信息不足等问题,现有算法对遥感图像中小目标和目标边界难以精准分割。为此提出了一种改进SegFormer网络的遥感图像语义分割方法,以级联的方式合并SegFormer编码器输出的多个尺度的特征。在合并高层语义信息特征时使用语义特征融合模块保留模糊边界;在合并细节信息特征时使用门控注意力机制模块过滤部分高层语义信息特征,减少其对细节信息特征的干扰。之后将多个尺度的特征上采样后连接,使用多局部通道注意力模块根据通道上下文关系重新校准连接特征的映射关系,增强最终的分割效果。在UAVid和ISPRS Potsdam数据集上的实验结果表明,改进SegFormer的分割方法优于比较的当前主流分割方法,对遥感图像中的小目标和边界有更好的语义分割效果。

基于多尺度特征提取的水下图像增强模型

针对水下图像视觉质量退化以及单一卷积层特征利用率不高的问题,提出了一种基于多尺度特征提取的水下图像增强模型。本模型在卷积神经网络的基础上使用改进的多尺度特征提取模块提取水下图像特征,首先构建可分离残差密集块(SRDB)作为基本特征提取单元,使用SRDB模块进行残差密集连接得到多层次特征信息,最后融合3个不同初始感受野下的多层次特征信息作为该模块的输出。多组试验结果显示,本模型增强后的水下图像有效改善了颜色失真和低对比度现象的同时保持了丰富的边缘细节内容;EUVP测试集的PSNR、SSIM分别上升到28.52、0.88,真实河豚图像测试集的UIQM、NIQE分别上升到2.84、5.95,表现均优于对比方法。研究表明,本模型具有较高的FPS,大幅提升水下图像视觉感知质量的同时保持了良好的实时性。