孙昊堃，刘紫燕，梁 静，梁水波，袁 浩

(贵州大学 大数据与信息工程学院，贵州 贵阳 550025)

0 引言

随着科技的不断发展，遥感图像在无人机、城市规划、灾害现场评估和交通运输等方面有着广泛的应用，获取遥感图像中的地面信息有着极其重要的实用价值。然而，由于近些年来遥感图像所包含地面与物体信息越来越多，结构越来越复杂，存在各种物体的大小不一、光照不一、阴影重叠和物体遮挡等现象，导致实际分割过程中存在目标尺度变化大、小目标众多和目标排布密集等难点，给遥感图像的发展与应用带来了巨大的挑战[1]。

图像语义分割是根据图片中的纹理、位置和颜色等信息，对图片中的每个像素预测分类，从而得到特定目标的图像，以满足人们对图像中目标精确定位的需求。传统的图像分割有基于阈值分割[2]、均衡直方图[3]、区域生长[4-5]、尺度不变特征变换[6]和超像素等方法。

受AlexNet[7]启发，科研人员将卷积神经网络运用到图像语义分割领域，并提出许多优秀的分割网络模型。文献[8]未考虑遥感图像中像素之间的关系，缺乏空间一致性；文献[9]对卫星拍摄图像的中小目标分割效果差；文献[10]无法充分利用遥感图像整体的场景信息；文献[11]存在局部信息丢失，损失信息的连续性；文献[12]使用远程残差连接实现高分辨率的预测，但网络结构十分复杂；文献[13]存在训练时严重消耗内存，对硬件设备要求高等问题；文献[14]模型没有下采样过程存在计算量复杂、实时性差等问题；……