改进的DeeplabV3Plus高分辨率遥感影像土地覆盖分类

来源：计算机工程与应用杂志2024年第13期北京时间：

作者：朱凡, 罗小波

单位：1.重庆邮电大学 计算机科学与技术学院，重庆 400065；2.重庆邮电大学 空间大数据智能技术重庆市工程研究中心，重庆 400065

摘要：高分辨率遥感图像中提取的土地覆盖信息在城市规划建设和土地利用等领域具有巨大的价值，但由于土地覆盖类型复杂、光谱差异性较小等因素，目前对土地覆盖类别进行高质量的语义分割仍然受到一定限制。因此，针对该问题提出了一种新颖的全连接网络MFC-Net，该模型采用全新的基于点积注意力的空洞空间金字塔池化模块（DPA-ASPP），提高了聚合上下文信息方面的能力及效率。更进一步的，针对不同尺度的特征提出了注意力增强融合模块（AEFM）来增强特征表示，改善不同形状和大小地物的分割效果。该模型充分利用了高分辨率遥感影像中丰富的上下文信息及多尺度信息，在LoveDA大型遥感图像数据集上取得了优于当前主流模型的分割结果（84.26%MPA和69.67%MIOU）。

关键词：遥感图像,深度学习,语义分割,土地覆盖分类,LoveDA数据集