貴大新聞網(wǎng)訊（計算機科學與技術(shù)學院）近日，貴州大學計算機科學與技術(shù)學院（貴州保密學院）張永軍團隊在地球科學與遙感領(lǐng)域頂級國際期刊“IEEE Transactions on Geoscience and Remote Sensing”（JCR-1，中科院一區(qū)TOP期刊，世界遙感領(lǐng)域三大刊之一）上發(fā)表題為“Prior Information-Guided Semi-Supervised Semantic Segmentation of Remote Sensing Images”（PGNet）的學術(shù)論文。論文第一作者為2023級碩士研究生甘小容，張永軍老師為通訊作者。公共大數(shù)據(jù)國家重點實驗室和貴州商學院為共同單位。

遙感圖像語義分割是提取遙感圖像信息的核心任務(wù)，對地圖繪制、災害監(jiān)測、資源勘查等應用至關(guān)重要。然而，現(xiàn)有監(jiān)督方法依賴大量標注數(shù)據(jù)，標注成本高且泛化能力有限，同時易受樣本特征多樣性影響，難以適配復雜的遙感場景。半監(jiān)督方法可以用來解決標注成本高昂的問題，然而，由于遙感圖像本身類別分布不均衡、空間布局復雜的特性往往會導致大多數(shù)半監(jiān)督方法生成的偽標簽不夠可靠。

針對這一問題，張永軍老師團隊創(chuàng)新性地提出了一種“先驗信息引導的半監(jiān)督遙感圖像語義分割框架”，考慮到SAM具有強大的零樣本泛化能力，因此可以利用SAM為遙感圖像引入邊緣先驗知識和特征先驗信息。為了將提取到的先驗特征與語義特征更好地進行融合，文章提出了先驗特征指導模塊（PFGM），通過設(shè)計對稱交叉注意力機制保證對先驗特征和語義特征的同等關(guān)注。通過這些設(shè)計，該方法顯著提升了半監(jiān)督學習在少量標注數(shù)據(jù)下的分割精度。

在多個數(shù)據(jù)集上的實驗表明，PGNet中的先驗特征指導模塊和先驗邊緣提取模塊，可以顯著改善遙感圖像半監(jiān)督語義分割的性能。在ISPRS Vaihingen、ISPRS Potsdam及LoveDA三大權(quán)威遙感數(shù)據(jù)集上進行了系統(tǒng)性驗證，結(jié)果顯示：PGNet即使在標注數(shù)據(jù)極少的情況下，在這些數(shù)據(jù)集上的mIoU指標相較于國際領(lǐng)先算法分別提高了2.30%、6.06%和0.83%。尤其在密集建筑群、地物交錯帶等復雜場景下的邊界分割準確率顯著提高，為高分辨率遙感圖像的半監(jiān)督分割方法提供了新的解決方案。

編輯：張蟬

責編：李旭鋒

編審：丁龍