面向遥感图像分割的原型驱动结构协同网络
计算机视觉与模式识别
2025-08-07 v1 信息检索
摘要
在遥感图像语义分割任务中，获取完整的地面目标至关重要，以实现精准分析。然而，该任务受到两个主要挑战的严重制约：类内方差高和类间相似性强。传统方法往往因无法有效统一类表示和区分相似特征而导致分割结果不完整。即便是新兴的类导向方法，也受制于粗糙的类原型表示以及对目标结构信息的忽视。因此，本文提出了一种原型驱动结构协同网络（Prototype-Driven Structure Synergy Network, PDSSNet）。该网络的设计基于一个核心概念：完整的地面目标由其不变的类语义和其可变的空间结构共同决定。为实现这一目标，我们设计了三个关键模块。首先，自适应原型提取模块（Adaptive Prototype Extraction Module, APEM）通过编码地面实况从源端提取无偏见的类原型，以确保语义准确。随后，设计的语义-结构协调模块（Semantic-Structure Coordination Module, SSCM）遵循语义优先、结构次之的层次化原则。这包括首先建立全局语义认知，然后利用结构信息约束和细化语义表示，以确保类信息的完整性。最后，通道相似度调整模块（Channel Similarity Adjustment Module, CSAM）采用动态步长调整机制，以聚焦于类间的判别性特征。广泛的实验表明，PDSSNet 在性能上优于最先进的方法。源代码已公开于 https://github.com/wangjunyi-1/PDSSNet。
引用
@article{arxiv.2508.04022,
title = {Prototype-Driven Structure Synergy Network for Remote Sensing Images Segmentation},
author = {Junyi Wang and Jinjiang Li and Guodong Fan and Yakun Ju and Xiang Fang and Alex C. Kot},
journal= {arXiv preprint arXiv:2508.04022},
year = {2025}
}