一种新的场景耦合语义掩码网络用于遥感图像分割

空间注意力机制是计算机视觉领域的常见方法，因其在建模长程依赖方面的优势而广泛应用于遥感图像语义分割。然而，遥感图像通常具有复杂的背景和较大的类内方差，这会降低其分析性能。虽然常规空间注意力机制基于稠密仿射运算，却容易引入大量背景上下文信息，缺乏对内在空间相关性的考虑。为解决此限制，本文提出一种新的场景耦合语义掩码网络 (scene-Coupling semantic mask network)，用场景耦合和局部全局语义掩码策略来重构常规注意力机制。具体而言，场景耦合模块将场景信息分解为全局表征和目标分布，然后嵌入注意力亲和过程。这一策略有效利用了特征之间的内在空间相关性，从而提高注意力建模过程。同时，局部全局语义掩码模块通过将局部语义掩码作为中间感知元件，间接地将像素与全局语义掩码相关联，这有助于减少背景上下文干扰并缓解类内方差的影响。通过结合上述两种策略，我们提出了模型 SCSM，不仅能够高效分割复杂场景下的各种地理空间对象，而且具有简洁优雅的数学表征。实验结果表明，这两种策略在提升遥感图像的注意力建模方面具有显著效果。数据集和代码均可在 https://github.com/xwmaxwma/rssegmentation 获取。