基于不确定性扩散模型的高频 TransFormer 网络 UDHF2-Net 用于遥感图像解释
计算机视觉与模式识别
2025-05-30 v3
摘要
遥感图像解释（RSII）面临三个主要问题：（1）客观表征空间分布模式；（2）由下采样编码器和固有边缘噪声（如混合像素和边缘遮挡等）引起的边缘不确定性问题；（3）由变更检测中的几何配准误差引起的误检问题。为解决上述问题，提出了基于不确定性扩散模型的高频 TransFormer 网络（UDHF2-Net），其优势如下：（1）提出了时空可 stationary 与 non-stationary 高频连接范式（SHCP），以增强时空频率可 stationary 与 non-stationary 特征的相互作用，以获得高保真度边缘提取结果。灵感来自 HRFormer，SHCP 通过整个编码器-解码器过程中的平行频率高低流，取代 HRFormer 中的高分辨率流，进而通过持续保持高频信息来提高边缘提取精度；（2）提出基于掩码与地理知识的不确定性扩散模块（MUDM），这是一种自监督学习策略，通过基于地理知识逐步移除模拟谱噪声来提高边缘提取和变更检测的准确度；（3）首次提出频率级半伪对称 UDHF2-Net，以在变更检测中平衡精度与复杂度。除了语义分割中的上述谱噪声之外，MUDM 也是一种自监督学习策略，有效减少由几何配准误差生成的图像中的误检边缘。
引用
@article{arxiv.2406.16129,
title = {UDHF2-Net: Uncertainty-diffusion-model-based High-Frequency TransFormer Network for Remotely Sensed Imagery Interpretation},
author = {Pengfei Zhang and Chang Li and Yongjun Zhang and Rongjun Qin and Kyle Gao and Jonathan Li},
journal= {arXiv preprint arXiv:2406.16129},
year = {2025}
}