改进图卷积用于无人机图像的语义分割

来源：信号处理杂志 2023年第5期北京时间：

作者：曾军英, 王迎波, 骆伟斌, 陈宇聪, 秦传波, 翟懿奎, 甘俊英, 顾亚谨

摘要：近年来，低空无人机航拍图像和高空无人机遥感影像在土地资源管理、环境监测、地形测绘、城市规划等方面都发挥着重要的作用，如何准确地分割出低空无人机航拍图像和高空无人机遥感影像中的多个类别成为了当下的一个研究热点之一。针对低空无人机航拍图像和无人机遥感影像分割任务中远距离空间依赖关系难以捕捉和不同批次输入类别间的动态联系难以提取的问题，本文提出了一种基于ResNet和改进图卷积（GCN）模块的语义分割模型GRNet。改进图卷积以ResNet提取的特征为输入，将像素点转化为图节点，以像素之间的亲和力关系为边，使用坐标图卷积和通道图卷积对特征进行全局信息建模，同时引入类别动态图卷积，以输入信息的动态亲和力为边，对输入特征的类别动态相关性进行建模，最终将提取的特征融合到分割特征图，提高模型的分割精度。本文使用UDD5，UDD6两个低空无人机航拍数据集和ISPRS Potsdam高空无人机遥感数据集进行训练和验证，并在实验部分分别证明本文改进图卷积的不同模块的作用。实验结果证明所提出的GRNet具有很好的泛化性能，在无人机航拍图像数据集与无人机遥感影像数据集中都表现出良好的分割性能，优于多个对比网络。

关键词：遥感图像, 无人机航拍, 语义分割, 图卷积神经网络, 深度学习