一种改进Unet网络的遥感影像分割算法

李娇娇，刘志强，宋 锐，李云松

(西安电子科技大学 综合业务网理论及关键技术国家重点实验室，陕西 西安 710071)

语义分割是计算机视觉中的一项基础技术，其目的是对图像中每个像素点的目标类别进行预测。该技术在很多具有挑战性的领域中被广泛应用，如医学影像病灶分析、精准农业地质检测、影视面部表情分析、时尚服装解析和自动驾驶等。

近年来，研究者们提出了很多基于全卷积网络(Fully Convolution Networks，FCN)的语义分割算法[1]。然而，由于遥感影像分割中目标具有复杂的几何拓扑结构以及基于网络的分割方法自身感受野有限，在遥感影像语义上下文内容建模时，存在对边缘语义信息利用不足的缺陷。为了弥补在语义上下文内容建模中的不足，部分研究者在上下文依赖关系上进行了广泛且深入探索[2-5]，从而一定程度地改善了算法的分割效果。主要方法可以归纳为两类：一种是采用了金字塔模块；另一种是从图像通道或空间方面对长距离的依赖关系进行适应性建模。采用金字塔结构主要是利用不同尺度的卷积和池化层来扩大模型的感受野，例如：Deeplab中的空洞空间卷积池化金字塔模块(Atrous Spatial Pyramid Pooling，ASPP)[2]和PSPNet中的金字塔池化模块(Pyramid Pooling Module，PPM)[3]。图像通道或空间建模主要是根据图像通道或空间各特征重要程度，增强或者抑制不同的通道或部分空间，例如，EncNet[4]在通道维度学习特征图的权重以及Non-local[5]模块利用注意力机制获得周边像素点的上下文信息。虽然这类算法在一定……