基于空间自适应特征调制与多尺度上下文融合模块集成的复杂矿区无人机图像分割

《Scientific Reports》：UAV image segmentation in complex mining areas by integrating spatially adaptive feature modulation and multi-scale context fusion modules

　　

摘要

针对背景干扰导致的视觉相似地物误分类和边界定位不准确问题，以及尺度变化引起的微小目标遗漏、区域破碎和边界不完整等问题，本研究提出了一种面向复杂矿区语义分割的MASwin-Unet模型。该模型引入空间自适应特征调制模块（SAFM），在抑制背景噪声和相似纹理干扰的同时增强关键区域和边界细节。此外，模型还提出了多尺度上下文融合模块（MSCF），以融合不同感受野的上下文信息，提升多尺度特征建模能力。本研究基于东山秀青矿区无人机影像构建了实验数据集，并在AeroScapes和LoveDA数据集上进行了实验验证。MASwin-Unet的总体精度（OA）达到97.18%，Kappa系数为95.79%，平均交并比（mIoU）为85.14%，平均F1分数（mF1）为90.73%，优于BEDSN、FADC、DeepLabV3+、PSPNet、HRNet、SegFormer、TransUNet、U-Net和Swin-Unet等模型。实验结果表明，该模型在公开数据集上具有良好的泛化能力，能够有效减少复杂无人机场景中的相似目标误分类、微小目标遗漏和边界分割不完整等问题。