基于双重注意力机制的CycleGAN海岸线自动提取方法

摘要：

将遥感图像进行像素级海陆分割是海岸线提取的一项基础性工作.由于海岸线的动态变化,获取精准的海岸线标记数据集比较困难,为此采用Google Aerial photo-Maps配对样本,在对Google Maps进行海陆二值化处理后构建了新的配对数据集.针对新数据集样本较少问题,在循环生成对抗网络(CycleGAN)模型的基础上,提出了基于双重注意力机制的DAM-CycleGAN.新模型全面考虑遥感图像和海陆二值化图像之间的结构相似性,改进了循环一致性损失,并设计通道注意力模块和空间注意力模块来凸显显著性特征和区域,以增强模型在小样本训练下的特征学习能力.在均方误差、平均像素精度和平均交并比(MIoU)三个评价指标上,与全卷积神经网络模型、DeepLab模型在多个规模数据集训练下的实验结果对比,改进模型转换的海陆二值化图像与真值图像更加吻合,MIoU值分别至少提高7％、6％以上,验证了所提方法的有效性和可行性.

关键词：图像处理、遥感、循环生成对抗网络、注意力机制、循环一致性损失、小样本

所属期刊栏目：59

分类号：TP301.6(计算技术、计算机技术)

资助基金：上海市地方能力建设项目;上海海洋大学科技发展专项

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：82-92