面向高分辨遥感图像的熵驱动自适应融合网络构建与场景分类研究

来源：电子与信息学报杂志2026年第5期北京时间：

作者：宋婉莹, 刘毓琛, 王杰, 王安义

单位：西安科技大学通信与信息工程学院 西安 710054

摘要：高分辨遥感图像场景分类因复杂背景、多样成像条件及类内差异大等因素面临显著挑战，而传统卷积神经网络(CNN)方法在全局上下文建模方面存在局限，Swin Transformer在跨窗口特征交互、细粒度局部特征提取以及多层次特征自适应融合方面仍存在不足。针对上述问题，该文提出一种面向高分辨遥感图像场景分类的熵驱动自适应融合网络，主要创新与贡献概括如下：(1)设计注意力引导的区域筛选与特征优化模块(ASO)，通过跨窗口稀疏注意力增强全局建模能力并筛选关键区域，结合递归优化强化局部特征表示，增强了模型跨窗口交互能力与细粒度局部特征判别性；(2)构建熵驱动门控融合模块(EGF)，利用熵指导的门控机制对Swin特征、全局上下文与优化后的局部特征进行自适应融合，克服多层次特征简单融合易引入冗余的问题；(3)在AID与NWPU-RESISC45公开数据集上的实验表明，所提方法在分类精度上优于多种现有先进方法，展现出良好的鲁棒性与泛化能力。

关键词：遥感图像场景分类, 熵, 特征融合, Swin-Transformer网络

基金资助：国家自然科学基金(61901358)，陕西省自然科学基础研究计划面上项目(2025JC-YBMS-701)，西安科技大学优秀青年科技基金(2020YQ3-09)，中国博士后科学基金面上项目(2020M673347)