基于几何正则化与核心语义优化的烟雾图像语义分割方法

本发明涉及图像分割领域，提出一种基于几何正则化与核心语义优化的烟雾图像语义分割方法，通过设计了一种原型生成器，获取多粒度原型，确保了精确语义指导与特征层次的对齐，建立了明确的语义桥梁，使模型能够利用类别知识，同时保持对空间特征的敏感性，再设计一种级联核心语义优化模块，提取具有代表性的核心语义向量，高效捕捉全局上下文的同时，保持了空间连贯性和结构局部性，从而生成富含上下文的标记，并进一步提升模型表征能力，还设计了一种分割解码器，以及质心驱动正则化的加权和，显式缓解空间注意力漂移，提供了强大的几何监督，强制空间一致性并提高半透明物体的定位精度，本发明提高了烟雾图像语义分割的准确性。