来源：期刊VIP网 时间：
作者：曾军英;顾亚谨;曹路;秦传波;邓森耀;翟懿奎;甘俊英;谢梓源;
单位：五邑大学电子与信息工程学院;
摘要：由于遥感图像存在多尺度变化和目标边缘模糊等问题，对其进行智能解译仍然是一项极具挑战性的工作。传统的语义分割方法在处理这些问题时存在局限性，难以有效捕捉全局和局部信息。针对上述问题，文中提出一种双路径特征融合分割方法 DFNet。首先，使用Swin Transformer作为主干提取全局语义特征，以处理像素之间的长距离依赖关系，从而促进对图像中不同区域相关性的理解；其次，将拉普拉斯卷积嵌入到空间分支，以捕获局部细节信息，加强目标地物边缘信息表达；最后，引入多尺度双向特征融合模块，充分利用图像中的全局和局部信息，以增强多尺度信息的获取能力。在实验中，使用了三个公开的高分辨率遥感图像数据集进行验证，并通过消融实验验证了所提模型不同模块的作用。实验结果表明，所提方法在Uavid数据集、Potsdam数据集、LoveDA数据集的mIoU达到了71.32%、85.58%、54.01%，提高了语义分割的性能，使分割结果更为精细。
关键词：语义分割;;遥感图像;;多尺度信息;;拉普拉斯卷积;;边缘信息;;双路径;;特征融合;;智能解译
基金资助：国家自然科学基金项目（61771347）;; 广东普通高校人工智能重点领域项目（2019KZDZX1017）;; 广东普通高校重点领域专项（2020ZDZX3031）;; 广东省基础与应用基础研究项目（2021A1515011576）;; 江门市基础与理论科学研究类科技计划项目（江科[2021]87号2021030101900004391,江科[2022]110号2022JC01022）;; 广东省科技创新战略专项资金（攀登计划专项资金）（pdjh2022b0530）
