计算机工程

作者：欧寒芝, 黄睿

单位：上海大学通信与信息工程学院, 上海 200444

关键词：遥感图像,多标签分类,混合噪声,协同学习,标签矫正

一幅遥感图像通常包含多种地物, 具有多个语义信息。使用多标签学习方法对遥感图像进行分类, 能更好地理解图像语义。然而, 由于人工标注具有主观性以及遥感图像目标具有复杂性, 导致图像标注不准确, 从而引入噪声(加性噪声)或出现标签缺失现象(减性噪声), 这2类噪声统称为混合噪声, 它们的存在会误导算法训练过程, 降低分类性能。针对混合噪声问题, 提出一种遥感图像多标签分类算法。首先对图像分别进行强增强和弱增强变换, 并将2种增强图像分别送入2个具有相同结构的网络中进行协同学习; 接着, 通过在训练过程中约束2幅图像内的一致性和图像间以及对应标签的结构一致性, 并将2种约束与二元交叉熵(BCE)损失相结合, 以形成最终的损失函数; 最后, 基于预测标签定义排序误差, 识别和矫正损失函数中的噪声标签, 从而提高模型鲁棒性。为验证所提方法的性能, 在遥感图像多标签数据集AID、UCM和DFC15上进行混合噪声多标签分类实验, 并从图像分类指标和多标签分类指标2个方面将所提方法与多种多标签分类方法进行对比。结果表明, 在不同标签噪声比下所提方法的总体性能最优。

来源：2026年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第1期