基于深度学习的交互式遥感图像分割
计算机视觉与模式识别
2025-05-14 v3
摘要
交互式分割是一种计算机视觉技术，用户通过提供引导帮助算法分割图像中感兴趣的特征，其已实现出色的精度与高效的人机交互。然而，极少研究探讨其在遥感影像中的应用，而基于点击的交互式分割可极大便利复杂地貌的分析。本研究旨在通过对多种基于点击的交互式分割模型进行基准测试，弥合基于点击的交互式分割与遥感图像分析之间的鸿沟。我们在两个高分辨率航空影像数据集上评估了五种最先进的交互式分割方法（Reviving Iterative Training with Mask Guidance for Interactive Segmentation (RITM)、FocalClick、SimpleClick、Iterative Click Loss (ICL) 与 Segment Anything (SAM)）的性能。同时引入一种创新推理策略——级联前向精炼（Cascade-Forward Refinement, CFR），以在无需人工干预的情况下提升分割结果，并将 CFR 集成至所有模型中进行对比。我们评估了这些方法在数据集各类土地覆盖类型、不同目标尺寸及多种波段组合上的表现。实验中 SimpleClick-CFR 模型持续优于其他方法。基于上述发现，我们开发了专用在线工具 SegMap 用于遥感数据交互式分割。SegMap 集成了经遥感数据微调的高性能交互模型，与现有交互式分割工具不同，其具备鲁棒的交互性、可修改性及适应性以分析遥感影像。
引用
@article{arxiv.2308.13174,
title = {Deep learning-based interactive segmentation in remote sensing},
author = {Zhe Wang and Shoukun Sun and Xiang Que and Xiaogang Ma and Carmen Galaz Garcia},
journal= {arXiv preprint arXiv:2308.13174},
year = {2025}
}