基于自适应频率感知网络的遥感图像分割方法

摘要

现有遥感图像分割方法在跨尺度特征融合时缺乏对低频结构与高频细节的协同处理，且无法对图像内容自适应响应，导致难以有效解决因自然变化、光照和阴影干扰引起的高分辨率遥感图像中类内差异大、类间差异小的问题。为此提出了一种自适应频率感知网络（AFANet）。首先，提出一种频率动态融合模块，通过自适应低通和高通滤波在保留低频结构的同时抑制高频噪音分量，并增强高频细节边界信息。其次，构建双域学习模块集成空间和频率信息，实现空间域局部细节与频域全局结构的联合建模。最后，引入一个细节增强模块，利用不同的差分卷积以增强模型的特征提取和泛化能力。在Vaihingen和Potsdam两个经典公开数据集上通过对比和消融实验的定量及可视化分析表明，AFANet在F1分数、总体精度和平均交并比等指标中优于7种先进的分割方法，验证了AFANet的优越性能。

关键词

遥感图像 / 语义分割 / 特征融合 / 自适应频率滤波 / 空间域—频域Transformer