融合注意力机制和权重平衡算法的遥感图像分类

doi:10.13278/j.cnki.jjuese.20240030

吉林大学学报(地球科学版) ›› 2025, Vol. 55 ›› Issue (02) : 697 -704. DOI: 10.13278/j.cnki.jjuese.20240030

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对城市遥感图像各种地物分布不均衡、分类精度较低的问题,提出融合并行注意力与权重平衡算法的遥感图像分类方法。该方法在DeepLabV3+和ResNet50创建的语义分割网络基础上,采用并行组合方式,融入通道注意力和空间注意力算法,提高网络的特征提取能力;针对遥感图像地物类别占比不均衡问题,引入地物类别权重平衡算法,提高小类别地物的分类精度。为了验证网络模型的分类效果,利用Vaihingen数据集和Postdam数据集进行实验。实验结果表明:融合注意力机制和权重平衡算法的分类网络在Vaihingen数据集中测试数据的像素精度、平均交并比、平均F₁值分别为96.66%、90.35%、96.66%,在Postdam数据集中测试数据的像素精度、平均交并比、平均F₁值分别为95.74%、81.47%、91.82%;从分类细节看,增加注意力机制和权重平衡算法对占比较少的汽车识别精度有显著提高,在Vaihingen数据集中汽车的像素精度提高了26.44%,在Postdam数据集中汽车的像素精度提高了21.84%,取得了较好的分类效果。