遥感图像土地覆盖分类的长程相关监督

在这篇论文中，我们提出了一种名为 SLCNet 的新型受监督的长程关联方法，用于土地覆盖分类，该方法在地物遥感图像上的表现优于当前使用的非监督策略。在 SLCNet 中，我们通过使用地面真实语义分割图中的类别一致性信息进行监督，使属于同一类别的像素高度相关而具有不同类别的像素不相关，从而产生了更一致的重校准特征，无论它们的接近程度如何。为了补充全局长程关联中缺少的详细信息，我们在编码器中引入了一个辅助的自适应感受野特征提取模块，用于捕捉多尺度遥感图像中多尺寸目标的精细特征表示。此外，我们采用了多尺度边输出监督和混合损失函数作为局部和全局约束，进一步提高了分割准确性。实验证明，与计算机视觉、医学和遥感领域的先进分割方法相比，SLCNet 在所有数据集上都实现了最先进的性能。