多层次分支跨尺度融合的遥感图像语义分割网络

传统的语义分割网络受限于狭窄的感受野和单分支的网络架构，未能充分考虑复杂遥感场景空间关系、边界和上下文信息的关联性，通常会出现分割准确率下降和边界模糊等负面现象。为了应对上述分割挑战，提出一种多层次分支跨尺度融合的遥感图像语义分割网络（MBCFNet）。首先，构建多层次分支的网络结构，其由浅层Swin Transformer、空间分支、语义分支和边界分支共同构建而成，每个分支专注于提取特定层次的特征信息。然后，设计跨尺度融合模块，旨在有效整合不同分支输出的多尺度特征，从而提升模型对遥感地貌的综合表征能力。最后，引入一个大感受野的多尺度解码模块来传递不同尺度的特征信息，有效提升网络对于复杂遥感场景的尺度适应能力。所提MBCFNet在3个公开遥感数据集（Vaihingen、Potsdam和Uavid）上的平均交并比分别达到了86.93%、84.51%和74.55%，优于Mit-B2、ST-UNet和GLOTS等先进语义分割算法。实验结果表明，MBCFNet在遥感图像语义分割任务中具有较高的分割准确性和泛化能力。