聚焦注意力与紧致特征融合Transformer的城市遥感影像语义分割

来源：电子与信息学报杂志2025年第12期北京时间：

作者：周国宇, 张菁, 闫伊, 卓力

单位：1.北京工业大学信息科学技术学院 北京 1001242.北京工业大学计算智能与智能系统北京市重点实验室 北京 100124

摘要：在空天信息智能处理深度融合遥感数据获取与智能解译技术的推动下，城市遥感影像(URSI)语义分割逐渐发展成为连接空天信息与城市计算的关键研究方向。然而，与通用遥感影像相比，URSI中地物目标具有高度多样性和复杂性，表现为同类地物内部细节有差异、不同类地物之间特征相似易混淆，同时地物边界往往模糊且形态不规则，这些因素共同构成了其精细化分割面临的挑战。尽管基于Transformer的遥感影像语义分割方法取得了显著进展，但将其用于URSI时，不仅要考虑其对细节和边缘的提取能力，还需应对自注意力机制带来的计算复杂度等问题。为此，该文在编码器端引入聚焦注意力，以高效捕捉类内和类间关键特征；同时在解码器端对边缘特征进行紧致融合。针对URSI的独特特性，该文提出一种聚焦注意力与紧致特征融合Transformer语义分割模型(F3Former)。首先，在编码器端引入特征聚焦编码块(FFEB)，通过建模Query-Key特征对的方向性，在保持较低线性复杂度的同时提升类内特征聚合与类间判别能力；在解码器端设计紧致特征融合模块(CFFM)，结合深度卷积降低跨通道冗余计算，增强URSI边缘区域的细粒度分割表现。实验结果表明，该文提出的F3Former在Potsdam, Vaihingen和LoveDA数据集上的mIoU分别为88.33%, 81.32%和53.16%，计算成本减少到35.42 M Params, 48.02 GFLOPs和0.09 s测试时间，相较基线计算成本下降了28.91 M Params和194.86 GFLOPs，显著平衡了URSI语义分割的精度和速度。

关键词：城市遥感影像, 语义分割, Transformer, 聚焦注意力, 紧致特征融合

基金资助：北京市自然科学基金(L247025)