文献类型：期刊文章

作　　者：黄聪[1] 杨珺[1] 刘毅[1] 谢鸿慧[1]

Huang Cong;Yang Jun;Liu Yi;Xie Honghui(Schoolof Software,Jiangxi Agricultural University,Nanchang 330045,China)

机构地区：[1]江西农业大学软件学院,南昌330045

出　　处：《电子测量技术》

基　　金：江西省自然科学基金-面上项目(20212BAB205009);江西省教育厅科技基金(GJJ13266,GJJ180374,GJJ170303)项目资助。

年　　份：2022

卷　　号：45

期　　号：21

起止页码：148-155

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对高分辨率遥感图像语义分割存在地物边缘分割不连续、小目标分割精度不高的缺陷,本文提出一种基于改进DeeplabV3+的遥感图像分割算法,该算法首先使用分散注意力网络ResNeSt替换DeeplabV3+原始主干网络Xeception,以提取更丰富的深层语义信息,从而提高图像分割精度;其次引入坐标注意力机制(CA),有效获得更精确的分割目标位置信息,使得分割目标边缘更加连续;最后在解码层中采用级联特征融合方法(CFF)提高网络的语义信息表征能力。试验结果表明,该算法在中国南方某城市的高清遥感图像数据集分割任务上mIoU高达97.07%,相比原始DeepLabV3+模型提高了3.39%,能够更好地利用图像语义特征信息,为解译遥感图像语义信息提供一种新的思路。

关 键 词：遥感图像 DeeplabV3+  ResNeSt  注意力机制  特征融合  

分 类 号：TP391]