NHNet——新型层次化遥感图像语义分割网络

摘要

深度学习分割方法是遥感图像分割领域的热点之一，主流的深度学习方法有卷积神经网络、transformer神经网络及两者的结合。特征提取是图像分割的重要环节，除了用卷积等方式提取特征，最近的研究聚焦于一些新的特征提取范式，如图卷积、小波变换等。本文利用聚类算法的区域构建属性，将改进的聚类算法用于骨干特征提取模块，同时使用卷积和视觉transformer作为辅助模块，以获取更丰富的特征表述；在模块基础上，提出了一种新型层次化遥感图像语义分割网络（NHNet）;评估了NHNet语义分割的性能，并在LoveDA遥感数据集上与其他方法进行比较。结果表明，基于多特征提取的NHNet获得了竞争性的性能表现，平均交并比为49.64%,F₁分数为65.7%。同时，消融实验证明辅助模块提高了聚类算法分割的精确性，给NHNet分别提升了1.03%和2.41%的平均交并比。

关键词

遥感图像 / 语义分割 / 聚类算法 / 卷积神经网络 / 自注意力