基于ViT-D-UNet的双分支遥感云影检测网络

云及其阴影的有效分割是遥感图像处理领域中重要的问题,它对于地表特征提取、气候检测、大气校正等有很大帮助.然而云和云影遥感图像特征复杂,云分布多样不规则,且边界信息模糊易受背景干扰等特点,导致其特征难以准确提取,也少有专门为其设计的网络.针对以上问题,本文提出一种ViT(vision Transformer)和D-UNet双路网络.本文网络分为两个分支:一路是基于卷积的局部特征提取模块,在D-UNet的膨胀卷积模块基础上,引入深度可分离卷积,提取多尺度特征的同时,减少参数;另一路通过ViT在全局上理解上下文语义,加深对整体特征提取.两支路间存在信息交互,完善提取的特征信息.最后通过独特设计的融合特征解码器,进行上采样,减少信息丢失.模型在自建的云和云影数据集以及HRC_WHU公开数据集上取得优越的性能,在MIoU指标上分别领先次优模型0.52%和0.44%,达到了92.05%和85.37%.