基于光谱–空间协同校准网络的多源无监督域自适应遥感语义分割方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Spectral–Spatial Collaborative Calibration for Multi-Source Domain-Adaptive Semantic Segmentation of Remote Sensing Images

　　

摘要：

多源无监督域自适应（MS-UDA）能够降低遥感语义分割的标注负担，但异构源光谱和地面采样距离会导致目标伪标签不稳定。本文提出了一种光谱–空间协同校准网络（SSCCNet），用于基于RGB和红外–红–绿（IRRG）影像的MS-UDA任务。首先，光谱自适应归一化（SANM）从无参考源的标注近红外通道出发，执行以类别为条件的统计匹配，对齐至RGB参考源的红色通道统计特性，同时通过弱混合保留源特定的对比度信息。其次，空间粒度对齐滤波（SAF）通过恒等映射响应与膨胀卷积响应的门控融合，为较低分辨率的Vaihingen分支提供分辨率感知的上下文补偿。第三，双阈值滤波（DTF）从当前网络构建分离式伪标签，结合后验置信度筛选、有限近红外强度检验和类感知权重进行联合判定。实验在基于ISPRS Potsdam RGB、Potsdam IRRG和Vaihingen IRRG数据构建的两个自适应任务上进行。SSCCNet在两个任务上的mIoU/OA得分分别为40.53%/64.00%和57.82%/79.36%。在累积消融实验中，随着SANM、SAF和DTF依次引入，各阶段性能均有所提升。