面向多光谱遥感图像语义分割的 Index-space-wave State Superposition Transformer
计算机视觉与模式识别
2024-07-04 v1
摘要
当前多光谱遥感图像(MSRSI)的语义分割任务面临以下问题：1) 通常只考虑单一域特征(即空域或频域);2) 编码器中的下采样操作通常导致边缘提取精度损失;3) MSRSI 的多通道特征未被充分考虑;4) 遥感领域的先验知识未被充分利用。为解决上述问题，首次提出一种基于量子力学灵感的索引-空间-波状态叠加 Transformer (ISWSST)用于 MSRSI 语义分割，其优势如下：1) 通过自适应投票决策(即集成学习思想)对索引、空间和波状态进行叠加或融合，以模拟量子叠加，从而成为更强的分类器并提高分割精度;2) 设计了无损小波金字塔编码器-解码器模块，通过小波变换和逆小波变换无损重构图像并模拟量子纠缠，以避免边缘提取损失;3) 提出结合多光谱特征(即遥感指数和通道注意力机制)以准确从原始分辨率图像中提取地物;4) 引入量子力学以解释 ISWSST 的内在优势。实验表明，ISWSST 在 MSRSI 分割任务上经验证，优于当前最先进的架构，从而有效提高了分割和边缘提取精度。代码将在论文接受后公开。
关键词
引用
@article{arxiv.2407.03033,
title = {ISWSST: Index-space-wave State Superposition Transformers for Multispectral Remotely Sensed Imagery Semantic Segmentation},
author = {Chang Li and Pengfei Zhang and Yu Wang},
journal= {arXiv preprint arXiv:2407.03033},
year = {2024}
}