高分辨率关系图卷积网络遥感语义分割方法

作     者：王寅达 陈嘉辉 彭玲 李兆博 杨丽娜 WANG Yinda;CHEN Jiahui;PENG Ling;LI Zhaobo;YANG Lina

作者机构：中国科学院空天信息创新研究院北京100094 中国科学院大学电子电气与通信工程学院北京100049 中国科学院大学北京100049 

出 版 物：《中国科学院大学学报(中英文)》 (Journal of University of Chinese Academy of Sciences)

年 卷 期：2025年第42卷第1期

页      面：107-115页

核心收录：

学科分类：0810[工学-信息与通信工程] 083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 081002[工学-信号与信息处理] 

基　　金：全球能源互联网集团有限公司科技项目(SGGEIG00JYJS2100032)资助 

主　　题：遥感影像 R-GCN HRNet 超像素 语义分割 图像处理 

摘      要：遥感影像语义分割是遥感图像处理分析的重要任务,尤其是在多类别语义分割方面。目前方法主要围绕卷积神经网络展开,但卷积仅关注图像局部信息而忽视全局信息。因此,受高分辨率网络(HRNet)和关系图卷积网络(R-GCN)启发,提出一种高分辨率关系图卷积网络(HRGCN),用于多类别语义分割。首先对原始图像做简单线性迭代聚类(SLIC),利用该结果分割HRNet输出的特征图,获得同质性高且包含多分辨率信息的超像素块;然后基于超像素块构建图节点和边,使用R-GCN对图节点分类,从而学习到不同地物间长距离依赖关系,并完成遥感影像的提取分类。利用HRGCN模型在Potsdam和Vaihingen数据集上进行实验,将结果与已有方法对比,F_(1)值和MIoU值均有不同程度提升,证明该方法具有较好的先进性。