A Structure-Aware Semantic Prototype Constraint Network for Remote Sensing Image Segmentation

Hao Bai

doi:10.3390/rs18203462

A Structure-Aware Semantic Prototype Constraint Network for Remote Sensing Image Segmentation

2026-10-12

0

OA

AI

DOI：10.3390/rs18203462

原文链接

原文求助

摘要

En 中文

遥感图像对于提取地表信息、支持土地利用规划和生态保护至关重要。虽然遥感图像分割可自动识别复杂场景中的目标区域，但现有方法常因物体形态复杂和边缘模糊而难以平衡语义区分与边界恢复。为解决此问题，本研究提出SSPCNet，一种结构感知语义原型约束网络，旨在增强目标识别。SSPCNet引入结构感知特征表示策略以提升局部纹理、方向结构和边界敏感信息的提取，从而改善对复杂物体几何形状的感知。此外，开发了一种语义原型约束解码器，通过引入共享语义原型和原型约束特征交互来建立跨层语义一致性，实现层次特征的有效整合，并改善密集和稀疏分布目标的识别。在四个公开数据集上与八种代表性分割方法进行三组独立运行（不同随机种子）的评估中，SSPCNet展现出强且稳定的性能。值得注意的是，在ISPRS波茨坦数据集上，SSPCNet达到ACC 85.23 ± 0.96%、mIoU 70.60 ± 1.40%和调和平均数82.00 ± 1.01%，仅需14.40 GFLOPs和6.24 M参数，表明其在遥感图像解释中实现了分割性能与模型复杂度的良好平衡。

Keyword:

remote sensing image segmentation

deep learning

semantic prototype constraint

structure-aware representation

A Structure-Aware Semantic Prototype Constraint Network for Remote Sensing Image Segmentation

摘要

期刊

机构

引用论文