一种面向星载的遥感图像场景分类域泛化算法

来源：电讯技术杂志2025年第9期北京时间：

作者：杜安安,周晴

单位：(1.中国科学院国家空间科学中心，北京 100190;2.中国科学院大学，北京 100049)

摘要：针对现有遥感图像场景分类算法处理数据类型单一的问题，以及缺乏星上部署研究的现状，将域泛化算法应用于多模态的遥感图像场景分类任务中，提出一种任务相关特征加权的场景分类算法，并在商用货架(Commercial Off-The-Shelf，COTS)器件上进行部署和测试。该算法基于通道和空间注意力机制对骨干网络提取到的特征进行加权，以增强任务相关特征；引入解码器模块重建图像的高频特征，该模块在训练过程中辅助训练，加强模型对任务相关特征的学习。以上两方面改进能够增强模型对跨域不变特征的学习，提升模型的泛化能力。实验结果表明，该算法具有82.95%的跨域平均分类准确率，相较于ERM、MixStyle、V-Rex、POEM和SNSC等5种算法至少提升3.09%。在COTS器件上进行算法部署，测试发现使用TensorRT部署方式能够在器件整体功耗7 W内实现每秒超过200帧的执行速度，满足在轨应用需求。

关键词：遥感图像；场景分类；域泛化；在轨部署；COTS器件；

基金资助：中国科学院空间科学战略性科技先导专项基金（XDA04060300）