SERaftFormer：一种用于极高分辨率图像的带状边缘特征嵌入式筏式水产养殖区域提取方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：SERaftFormer: Strip Edge Feature Embedded Raft Aquaculture Area Extraction Method for Very High-Resolution Imagery

　　

摘要：

筏式水产养殖设施是指由浮筒和筏绳组成的养殖结构，这些结构形成了用于悬浮养殖经济价值较高的海藻、固着动物和其他水生生物的浮动平台。通常，多个筏式养殖设施会系统地排列在一起，以形成筏式水产养殖区（RAAs）。准确绘制RAAs的空间分布对于海洋牧场规划、产量预测和生态环境评估至关重要。大多数现有研究利用中高分辨率的遥感图像，基于筏子和周围海水之间的光谱差异来提取RAAs。然而，由于生长阶段的不同和部分收获等因素，某些RAAs的光谱信号较弱，导致它们难以与周围水体区分开来，从而影响了提取的准确性。为了解决这些问题，我们提出了一种基于深度学习的新方法SERaftFormer，该方法利用了亚米级的高分辨率（VHR）图像。SERaftFormer通过将筏内条带的边缘特征明确整合到基于区域的语义分割框架中，提高了对特征较弱的筏式水产养殖区（WFRAAs）的提取性能。具体来说，所提出的基于小波的变换器模块结合边缘注意力机制（WTBEA）能够同时增强边缘特征并有效抑制背景噪声。筏特征注意力模块（RFAM）通过反向注意力机制整合内部条带的边缘特征来细化筏特征。此外，损失函数中包含了边缘损失项，为边缘特征提供了额外的监督。实验结果表明，SERaftFormer提高了WFRAAs的提取性能，减少了粘连伪影，并在方法准确性上优于基于边缘的模型和专门的筏式提取模型（如SEANet和RADNet）。T...

显示更多