光学遥感图像中基于边缘语义协同网络的显著目标检测研究

本文推荐一篇创新性研究《Edge Semantic Collaboration Network for Salient Object Detection in Optical Remote Sensing Images》，作者团队提出边缘语义协同网络（ESCNet），通过交互式图推理模块（IGIM）建立长程语义依赖，结合复合注意力机制的特征增强模块（SFEM）和多尺度边缘优化模块（MERM），显著提升光学遥感图像（ORSIs）中多尺度目标与复杂背景下的检测性能。实验在ORSSD、EORSSD等数据集验证了其超越现有方法（SOTA）的优越性。

　　

Highlight

本文亮点在于提出边缘语义协同网络（ESCNet），通过三大核心模块解决光学遥感图像显著目标检测（ORSI-SOD）的挑战：交互式图推理模块（IGIM）利用通道交互与图推理捕捉长程语义依赖；语义特征增强模块（SFEM）通过复合注意力机制滤噪并强化关键特征；多尺度边缘优化模块（MERM）采用逆向操作细化多尺度边缘。

The proposed method

3.1 整体框架

ESCNet基于编码器-解码器结构，分阶段整合语义与边缘信息。编码器提取多层级特征后，IGIM模块通过图推理建模相邻层互补性，SFEM模块进一步优化语义特征，MERM模块则通过多尺度卷积与逆向传播细化边缘。

3.2 交互式图推理模块（IGIM）

该模块将通道交互与图神经网络结合，构建全局语义关联，显著提升跨非相邻层的特征依赖性，解决传统方法仅依赖局部上下文的问题。

3.3 语义特征增强模块（SFEM）

串联于IGIM之后，采用通道-空间双注意力机制，抑制背景干扰并突出显著性区域，增强特征判别力。

3.4 多尺度边缘优化模块（MERM）

通过分层卷积与特征逆向融合，精准提取多尺度边缘信息，有效改善复杂背景下目标的轮廓模糊问题。

Conclusion

ESCNet在ORSSD等数据集上验证了其优越性，未来可拓展至动态场景与实时检测领域。