基于DeepLabv3+的图像边界修复语义分割OA

针对DeepLabv3+在高分辨率遥感图像语义分割中存在的分割目标边界残缺和细节模糊问题,提出了一种图像边界修复语义分割方法。引入多深度卷积头转置注意力(multi-Dconv head transposed attention,MDTA)边界修复模块,将通道注意力机制应用于多级低阶特征,获取不同抽象层次的边缘纹理结构;将经过通道权值分配的密集采样空洞空间金字塔池化(atrous spatial pyramid pooling,ASPP)级联模块的输出作为编码器的输出,解码器融合了低阶特征与编码器输出的增强特征,提高了目标边界的清晰度;利用空间上下文信息挖掘模块——上下文转换器(contextual transformer,CoT),增强对图像不同区域之间依赖关系的感知能力。实验证明,该方法在多个公开数据集上的性能取得了显著提升,在VOC2012的验证集上平均交并比(mean intersection over union,mIoU)达到了90.42%。