边缘优化和注意力融合的遥感地物分割算法

针对遥感地物图像种类众多且目标边缘较复杂的特点,以及现有分割网络中局部卷积的感受野有限,对图像上下文信息利用不足,导致分割目标边缘模糊以及分割精度低等问题,提出一种基于UNet3+网络的遥感地物分割算法。在解码过程中引入相似性感知点关联算子作为上采样方式,通过聚合特征金字塔中的多个建议,改善目标边界细节的分割能力;在编码过程中引入选择性内核模块,优化下采样方式,以实现神经元的自适应感受野大小,充分地获取目标特征的多尺度信息,精准捕捉有用的细节语义信息;在跳跃连接阶段添加双多尺度注意力模块,对不同尺度的特征进行加权融合,使模型更好地关注局部细节和全局上下文信息。在WHDLD、ISPRS Potsdam数据集上的实验表明,改进算法的平均交并比分别达到了64.4%、75.4%,较基线模型分别提升了约2.6个百分点、3.2个百分点,同时验证了改进算法在分割边缘模糊问题上的有效性。