基于多尺度特征融合的遥感图像水体分割

摘要

水体语义分割在遥感和地球观测领域发挥着至关重要的作用，现有方法难以在复杂情景下有效分割多尺度水体的细小边界，并且面临标注数据成本高的问题。为此，提出了一种基于多尺度特征融合的水体遥感图像语义分割算法。基于双注意力模块和转换注意力模块设计了水体分割网络主体架构，并设计一种多尺度特征融合模块减少编码器和解码器中不同尺度特征之间的语义差距。在模型训练之前，首先通过基于掩码-重建的自监督学习对编码器进行预训练，以获得具有丰富特征表示的初始化权重。在FloodNet数据集上所提出的方法达到了最高的89.77%mIoU,相比于目前最先进的语义分割算法DAE-Former实现了1.31%的提升。实验结果表明，所提出方法具有较高的准确性。

关键词

多尺度特征融合 / 注意力 / 语义分割 / 遥感图像