基于改进Deeplabv3+的遥感图像语义分割算法

针对遥感图像分割中目标尺度变化大小、目标及边缘分割困难等问题,提出一种基于DeepLabv3+网络改进的遥感图像分割算法.首先,对ASPP模块中膨胀卷积的空洞率进行调整以平衡对大小目标的敏感程度;其次,引入全局和局部注意力机制,以保留分割 目标的全局和局部语义信息,提升分割精度.此外,在解码器中设计一种多级特征上采样的方法,在恢复特征图时更完整地保留 目标的位置和边界信息.最后,ISPRS Potsdam和Vaihingen数据集上进行实验,分别取得91.78％和93.17％的像素精度以及80.69％和81.24％的交并比.与SegNet、U-Net++、DeepLabv3+等主流语义分割模型对比,获得更好的分割效果,在遥感图像分割领域具有较好的应用前景.