基于频率条件的空间自适应解码技术在双时相遥感分割中的应用

《Scientific Reports》：Frequency-conditioned spatially adaptive decoding for bitemporal remote sensing segmentation

　　

摘要

由于场景的异质性、精细的结构边界、时间变化以及高昂的计算成本，对双时相遥感图像进行语义分割具有挑战性。为了解决这些问题，本文提出了ASGS-UNet（自适应剪切波门控跳跃输出UNet），这是一个将频率感知特征学习与空间自适应解码相结合的统一框架。该模型引入了一个可学习的剪切波前端来捕捉多尺度方向特征，通过跨频率门控跳跃连接来调节编码器-解码器的信息流，并设置了基于局部语义置信度的逐像素输出模块，以动态调整解码深度。这种设计能够在保留空间和频率特征的同时，减少均匀区域中的冗余计算。在SECOND数据集上的实验结果表明，该模型的mIoU达到了91.6%，F1分数达到了95.3%。该模型还能很好地泛化到融合的SEN12MS图像上，无需重新训练即可实现88.2%的mIoU。此外，自适应解码将计算成本降低到了34.2 GFLOPs，推理延迟为41毫秒。这些结果表明，将频率感知表示学习与自适应推理相结合可以提高大规模遥感应用的分割精度、边界保持能力和计算效率。