摘要：引文格式：王星, 倪欢. 遥感图像农田识别的跨类别小样本分割方法[J]. 测绘通报, 2024(10): 77-83.doi: 10.13474/j.cnki.11-2246.2024.1013.

本文内容来源于《测绘通报》2024年第10期，审图号：GS京（2024）1967号

遥感图像农田识别的跨类别小样本分割方法

王星, 倪欢

南京信息工程大学遥感与测绘工程学院, 江苏 南京 210044

基金项目：先进光学遥感技术北京市重点实验室开放基金(AORS202310)

关键词：遥感图像, 语义分割, 小样本学习, 原型学习

引文格式：王星, 倪欢. 遥感图像农田识别的跨类别小样本分割方法[J]. 测绘通报, 2024(10): 77-83.doi: 10.13474/j.cnki.11-2246.2024.1013.

摘要

摘要：深度学习驱动的遥感图像语义分割方法依赖大量人工标记样本,且对未知任务泛化能力差,尤其是在类别体系不断更新的精细化语义分割任务中,未知类别(训练样本中不存在的类别)的识别精度亟待提升。基于此,本文面向多类农田类别,提出了一种跨类别小样本分割方法。该方法设计了一种双分支结构,即支持分支与查询分支,其中支持分支用于分割先验的提取,查询分支用于完成分割先验的传播,获取查询图像的分割结果。此外,该方法应用查询特征生成自支持查询原型,显著提高了原型的表达能力;在支持集和查询集之间引入原型对齐正则化机制,充分利用来自支持集的知识,提升了分割器的判别能力。试验同时引入高空间分辨率和高光谱图像土地覆盖数据集,对本文方法性能进行了充分验证。试验结果表明,相较于现有小样本分割方法,本文方法在小样本条件下能够获得更为优异的跨类别农田识别结果。

通信作者：倪欢,E-mail:nih@nuist.edu.cn

资讯

来源：测绘学报