CW-SwinUNet：一种针对极高分辨率遥感图像的新型语义分割方法

《International Journal of Remote Sensing》：CW-SwinUNet: a novel semantic segmentation approach for very-high-resolution remote sensing imagery

遥感图像语义分割研究提出基于Swin Transformer的CW-SwinUNet模型，通过LKA-PM模块增强小物体特征表达，WORC模块提升多尺度特征融合能力，Coordswin模块优化边界检测。实验表明模型在Vaihingen和Potsdam数据集上F1达91.8%-93.8%，MIoU达85.2%-87.9%，优于现有SOTA方法。

　　

摘要

利用深度神经网络对遥感（RS）图像进行语义分割是遥感智能解释领域中的一个重要研究课题，该技术在城市规划、灾害评估、碳估算等领域具有重要的应用价值。然而，高分辨率的遥感图像带来了数据量大、计算复杂度高、尺度多样以及形状不规则等问题。此外，目标对象之间可能存在远距离的空间关联，这需要利用长距离的上下文信息来进行准确的语义分割。受Swin Transformer强大全局建模能力的启发，我们提出了一种新的遥感图像语义分割网络。Swin Transformer被用作编码器来提取全局特征。为防止编码阶段丢失局部细节，设计了一个LKA-PM（LKA-Patch Merging）模块，通过分解大核卷积来提取局部细节信息，从而增强小对象的特征表示能力。进一步地，为了解码全局和局部特征并获得多尺度信息，设计了一个WORC（Weighted Operation Re-parameterization Convolution）模块，以提高模型对不同遥感图像的适应性和准确性。最后，为了在解码过程中保留空间细节并减少由遮挡引起的边界模糊问题，设计了Coordswin模块来提供坐标信息，提高相似对象的区分能力。实验结果表明，我们的CW-SwinUNet在Vaihingen数据集上取得了优异的分割性能（F1分数为91.8%，MIoU分数为85.2%），在Potsdam数据集上同样表现出色（F1分数为93.8%，MIoU分数为87.9%），超越了其他现有方法。所提出的CW-SwinUNet的源代码可访问地址为：https://github.com/xmy1135/cwswin/tree/main。