基于改进Swin-Unet的遥感图像分割方法

针对遥感图像数据本身存在分辨率高、背景复杂和光照不均等特性导致边界分割不连续、目标错分漏分以及存在孔洞等问题，提出了一种基于改进Swin-Unet的遥感图像分割方法。在编码器末端引入空洞空间金字塔池化(Atrous Spatial Pyramid Pooling, ASPP)模块，用于捕获多尺度特征，增强网络获取不同尺度的能力，充分提取上下文信息；将解码器端的Swin Transformer Block替换为残差Swin Transformer Block,不仅保留了原始信息，又能够缓解模型出现梯度弥散现象；在跳跃连接中引入残差注意力机制，可以让模型更加关注特征图中的重要特征信息，抑制无效信息，从而提高模型分割的准确率。在自建数据集上进行实验，结果表明，改进后的网络平均交并比(mean Intersection over Union, mIoU)达到了80.55%,提高了4.13个百分点，证明改进后的网络可以有效提高遥感图像分割的精度。