一个 Fractal 曲线启发的框架,用于对遥感图像进行增强的语义细分
Xinhua Wang1,2, Botao Yuan1, Zhuang Li1
1School of Computer Science, Northeast Electric Power University, Jilin 132012, China.
Sensors (Basel, Switzerland)
|November 27, 2024
概括
这项研究引入了一个新的模块,以改善遥感图像中的语义细分,克服背景干扰和模糊边界,以便更好地识别特征.
科学领域:
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
- 图像分析 图像分析
背景情况:
- 遥感图像的语义细分面临诸如背景干扰等挑战,导致边界模糊.
- 准确的特征分类和识别对于生产和日常生活应用至关重要.
研究的目的:
- 提出一种用于编码和重建多维特征层的新型模块,以增强语义细分.
- 为了解决当前遥感图像分割方法的局限性.
主要方法:
- 采用二线性值来对U型框架中的多维特征层进行下方采样.
- 在编码器中嵌入了分形曲线模块,以从不同的特征地图区域汇总点.
- 引入了一个聚合层,将UNet上采样与多尺度审查相结合,以捕获空间和特征信息.
主要成果:
- 拟议的模型在从特征地图中汇总点信息方面表现出色.
- 在各种遥感场景中显著增强语义细分任务.
- 通过使用碎形曲线模块,有效地从不同区域分组点.
结论:
- 新型模块有效地捕获空间和特征信息,以改善语义细分.
- 该方法克服了远程传感图像分析中的关键挑战,例如背景干扰.
- 该模型显示了在遥感应用中推进特征识别和分类的巨大潜力.
