熵引导的多尺度空间注意力用于高分辨率遥感图像中判别性海岸场景分类

《Canadian Journal of Remote Sensing》：Entropy-guided multi-scale spatial attention for discriminative coastal scene classification in high-resolution remote sensing images

　　

从高分辨率遥感图像中进行准确的海岸场景分类仍然具有挑战性，因为存在强烈的类间视觉相似性和多尺度空间模式。为了解决这些挑战，本文引入了一个多尺度空间熵挤压激励（MSSE）注意力块，旨在增强卷积神经网络（CNN）内的判别性特征学习。MSSE将多尺度空间池化与熵驱动的通道和空间注意力相结合，能够在不同空间范围内自适应地强调信息特征。所提出的方法在一个统一的CNN骨干网络上进行评估，数据集为MLRSNet数据集的海岸导向子集，包含五个代表性类别：湿地、河流、湖泊、海滩和岛屿。大量实验表明，MSSE持续优于已有的注意力机制，包括SE（挤压激励）、CBAM（卷积块注意力模块）和ChannelEntropySE（通道熵SE）。具体来说，MSSE达到了95.1%的宏F₁分数和89.4%的IoU（交并比），相比标准SE模块提高了+3.2%（F₁）和+4.1%（IoU），相比ChannelEntropySE提高了+1.4%（F₁）和+1.5%（IoU）。此外，使用不同随机种子的重复运行表明，MSSE表现出更低的性能方差，证实了其稳定性和鲁棒性。进一步在不同训练-验证分割和计算成本评估中的分析表明，MSSE在准确性和效率之间提供了有利的平衡，与基线注意力模块相比，仅引入了适度的参数和FLOPs（浮点运算次数）增加。这些结果突出了熵感知多尺度注意力在鲁棒海岸场景分类及相关遥感应用中的有效性和实用性。

**论文解读：熵引导多尺度空间注意力驱动的高分辨率遥感海岸场景分类**

**研究背景与问题**

准确且及时的海岸土地覆盖分类对于海岸带环境管理、灾害预防和基于证据的政策制定至关重要。高分辨率遥感图像为监测动态海岸景观提供了新机遇，但海岸场景分类面临两大挑战：一是强类间视觉相似性，例如湿地、河流、湖泊等类别在纹理和结构上高度重叠；二是多尺度空间模式的存在，使得同一类别在不同尺度下表现各异。传统卷积神经网络（CNN）虽能自动提取特征，但难以捕捉丰富的空间和语义关系，尤其在高分辨率图像中，细粒度纹理和全局场景结构需要协同建模。注意力机制（如SE、CBAM）通过重标定特征通道或空间位置增强了模型判别力，但现有方法通常依赖单一尺度池化或固定空间线索，未能充分利用多尺度上下文和不确定性信息。因此，研究人员提出了一种新颖的多尺度空间熵挤压激励（MSSE）注意力块，旨在将信息熵与多尺度池化显式整合，提升海岸场景分类的鲁棒性。

**研究内容与结论**

研究人员在MLRSNet数据集的海岸子集上（包含湿地、河流、湖泊、海滩、岛屿五类，共12611张图像），使用统一CNN骨干，系统比较了SE、CBAM、ChannelEntropySE和MSSE四种注意力机制。实验表明，MSSE在所有评估指标上均最优：宏F₁分数达95.1%，IoU达89.4%，相比标准SE模块分别提升3.2%和4.1%，相比ChannelEntropySE分别提升1.4%和1.5%。此外，MSSE在多次随机种子运行中表现出更低的性能方差，验证了其稳定性；在不同训练-验证分割下，MSSE仍保持优势；计算成本分析显示，MSSE仅引入适度参数和FLOPs增加，实现了准确性与效率的平衡。该研究证实了熵感知多尺度注意力在复杂海岸场景分类中的有效性，为遥感图像分析提供了实用且可扩展的注意力框架。论文发表在《Canadian Journal of Remote Sensing》。

**关键技术方法**

本研究采用的主要关键技术方法包括：（1）**MSSE注意力块**：结合多尺度空间池化（1×、2×、4×平均池化）与熵驱动通道重标定及空间注意力，通过Softmax计算通道熵并生成加权特征，再经两阶段全连接层实现自适应重标定。（2）**统一实验框架**：所有模型基于同一CNN骨干（5个卷积块C1-C5，滤波器数32-256，全局平均池化后接全连接层和Softmax分类器），使用相同超参数（Adam优化器，学习率0.001，批大小32，100轮训练）和数据增强（旋转、缩放、平移、翻转等）。（3）**数据集**：MLRSNet数据集的海岸子集，样本来源为公开的高分辨率遥感图像，涵盖五类场景，每类约2500张图像，类分布均衡。（4）**评估指标**：宏平均精度、召回率、F₁分数、IoU及总体准确率，并进行了5次独立重复实验以评估稳定性。

**研究结果**

**1. Quantitative performance comparison（定量性能比较）**
通过在验证集上计算宏平均F₁、IoU、准确率、精确率和召回率，研究人员发现所有注意力增强模型均优于基线CNN，而MSSE在所有指标上取得最高分：宏F₁为0.9759，IoU为0.9532，准确率为0.9758，精确率为0.9759，召回率为0.9760（第74轮）。这表明MSSE的多尺度熵驱动注意力能有效定位复杂海岸场景中的关键特征。

**2. Validation F1-score trajectories across attention models（验证F₁分数轨迹）**
通过绘制各模型每轮的验证宏F₁分数，MSSE在训练初期（前10-15轮）快速收敛，并保持最高且最稳定的分数，而CBAM虽峰值高但波动较大，SE和ChannelEntropySE则表现相对较低。这证实了MSSE的收敛稳定性和泛化能力。

**3. Validation IoU dynamics across model variants（验证IoU动态）**
IoU曲线显示，MSSE和CBAM始终高于SE和ChannelEntropySE。MSSE的IoU在早期（约10轮内）即稳定，且波动小，表明其能有效捕捉并保持多尺度空间特征，而其他模型则出现更频繁的下降。这验证了MSSE在空间重叠度量上的鲁棒性。

**4. Model convergence and learning curves（模型收敛与学习曲线）**
训练损失曲线显示所有模型快速收敛至约0.07，但验证损失曲线中MSSE始终保持最低且最稳定，CBAM次之，SE和ChannelEntropySE波动较大。这表明MSSE在避免过拟合的同时，具有最佳泛化能力，且未出现严重欠拟合或过拟合现象。

**5. Benchmarking against prior state-of-the-art methods（与现有最优方法对比）**
在MLRSNet五类子集上，MSSE在准确率（94.1%）、宏F₁（94.1%）和IoU（89.1%）上均优于已有的S-MAT（F₁ 88.3%）、EfficientNet-B2、ResNet50等模型。需注意，此对比为上下文参考而非直接竞争，因不同方法在完整数据集上的设置不同。

**6. Class-wise accuracy（类别级准确率）**
类别级准确率显示，MSSE在所有五类（湿地、河流、湖泊、海滩、岛屿）上均取得最高准确率，尤其在视觉挑战性高的湿地和河流类别上提升显著，表明其增强了对复杂海岸模式的判别能力。

**7. Robustness and stability（鲁棒性与稳定性）**
通过5次不同随机种子的重复实验，MSSE的宏F₁和IoU均值最高且标准差最小，表明其训练稳定性优于其他注意力模块，对随机初始化不敏感，具有高可靠性。

**8. Computational cost（计算成本）**
MSSE相比SE和CBAM，参数和FLOPs仅适度增加，但显著低于Transformer架构，且训练时间每轮仅增加10-15%。在获得显著性能提升的同时，仍保持高效，适合大规模或资源受限场景。

**9. Ablation study（消融实验）**
通过分别移除多尺度池化和熵加权，研究人员发现两者均独立贡献性能提升，但完整MSSE的宏F₁和IoU最高，说明性能增益来自两者的协同交互，而非单一机制。

**讨论与结论**

**讨论总结**：研究结果表明，所有注意力增强CNN均优于基线，而MSSE通过多尺度熵驱动注意力实现了最佳性能。MSSE在训练过程中表现出快速收敛、低验证损失和低波动性，证明了其优越的泛化能力和稳定性。与现有最优方法相比，MSSE在五类子集上取得领先结果，但需注意跨数据集验证尚未进行，未来需在更大规模、更不平衡的数据集上评估。此外，MSSE在计算成本与准确性之间取得了良好平衡，为实际遥感应用提供了实用方案。消融实验证实了多尺度池化与熵驱动的协同作用。

**研究结论翻译**：研究人员利用MLRSNet数据集评估了多种先进注意力机制用于高分辨率遥感场景分类，重点聚焦于特别难分类的海岸区域。研究人员开发并广泛测试了名为MSSE的创新模型，该模型首次将熵驱动通道重标定与多尺度空间池化整合为统一注意力模块。通过严格的实验方法（包括强大的CNN和Transformer基线、SE、CBAM和ChannelEntropySE块），并经过100轮训练和多种评估指标，所有注意力增强CNN均优于非注意力版本。MSSE在整体性能上显著领先：验证准确率97.6%、宏F₁分数97.6%、IoU 95.3%，均超过其他注意力机制。这些结果在MLRSNet五类海岸子集上得到验证。除了数值提升，MSSE还表现出持续的高验证F₁和IoU轨迹以及低验证损失，体现了稳定的收敛和鲁棒学习动态。MSSE通过捕捉局部和全局空间模式并自适应突出最信息特征，实现了可靠且准确的场景分类。熵基重标定不仅提升了性能，还增强了可解释性，揭示了关键特征和模型决策过程。MSSE机制在真实遥感应用中具有实际优势，包括改善的跨环境泛化、快速收敛以及对背景噪声的免疫。这些发现强调了构建整合多尺度上下文和信息论通道显著性的下一代注意力模块的重要性。未来工作将扩展MSSE到更大、更不平衡的数据集，并与混合架构和Transformer结合，处理语义分割和多时相变化检测等更复杂任务。