结合CNN和Transformer的遥感图像土地覆盖分类方法

作     者：汤泊川 帕力旦·吐尔逊 柏洁馨 齐然然 TANG Bochuan;PALIDAN Tuerxun;BAI Jiexin;QI Ranran

作者机构：新疆大学软件学院新疆乌鲁木齐830046 新疆维吾尔自治区信号检测与处理重点实验室新疆乌鲁木齐830046 新疆师范大学计算机科学与技术学院新疆乌鲁木齐830046 

基　　金：国家自然科学基金(62266043) 新疆维吾尔自治区自然科学基金(2022D01A99) 

出 版 物：《微电子学与计算机》 (Microelectronics & Computer)

年 卷 期：2024年第41卷第4期

页      码：64-73页

摘      要：利用遥感图像进行语义分割是一种有效的土地覆盖分类方法。然而由于主流框架存在边缘分割不准确、缺乏全局信息导致错误分类等问题,阻碍了其在土地覆盖分类中的应用。针对以上问题,提出了一种用于遥感图像土地覆盖分类的卷积神经网络(Convolutional Neural Networks,CNN)和Transformer混合网络CTHNet,结合了CNN的局部细节提取能力和Transformer的全局信息提取能力。同时设计了自适应融合模块,融合来自对应级别的CNN和Transformer特征,自适应融合模块的输出进入分割头得到最终的预测结果。最后,结合边界检测分支为语义分割提供边缘约束。在两个公开的土地覆盖分类数据集上的实验结果表明,该方法优于当前主流的方法,分别实现了90.53%和64.33%的平均交并比(mIoU),对遥感图像中的大目标和边界也有更好的识别效果。

主 题 词：土地覆盖分类 遥感图像 特征融合 卷积神经网络 Transformer 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19304/J.ISSN1000-7180.2023.0240

馆 藏 号：203127474...