基于全局-边界融合网络的高分辨率遥感影像语义分割方法

摘要

遥感影像的语义分割是遥感图像理解中一个基本任务,以深度全卷积网络为代表的技术今年取得了令人映象深刻的成果.然而,但是现有的高分辨遥感图像语义分割方法中普遍存在着明显的“椒盐现象”(单个地物内部分像素被识别为其他地物),造成这现象的主要原因是遥感地物存在类内不一致(地物标签相同但外部特征不同)与类间无差别(两个相邻的地物,标签不同但外部特征相似).针对遥感图像中类内不一致和类间无差别问题,提出一种基于全局-边界融合网络的高分遥感影像语义分割网络(GBFNet).认为造成类内不一致现象的主要原因是缺乏准确的上下文信息,因此GBFNet使用一个全局网络,通过引入图像上下文信息,增强判别特征之间的语义一致性;同时,使用边界网络,引入边界信息,以增大相邻地物之间的特征距离,缓解类间无差别现象.在Vaihingen和ISPRS Potsdam等基准数据集上的实验结果表明,GBFNet优于现有的基线方法,在mF1指标上最大提高5.2％,并且可视化分析结果表明本文提出的方法在减缓椒盐现象方面具有明显优势.