改进U-Net网络的遥感影像道路提取方法研究

摘要：

从遥感影像中提取道路目标对智慧城市建设具有重要意义.由于遥感数据中道路及背景特征复杂多样,使用深度学习方法对道路进行提取的准确性仍然受到限制.基于U-Net网络架构设计实现了用于遥感影像道路提取的深度语义分割模型AS-Unet,该模型分为编码器和解码器两部分.在编码器部分加入通道注意力机制,对提取的丰富低层特征进行筛选,突出目标特征,抑制背景噪声干扰,从而提高深浅层信息融合准确率;为解决网络对道路目标单一尺寸的敏感问题,在编码器最后一层卷积层后面加入空间金字塔池化模块来捕获不同尺度道路特征;在解码器部分加入空间注意力机制,进行位置关系信息学习和深层次语义特征筛选,提高特征图还原能力.在Massachusetts和DeepGlobe道路数据集上进行实验,结果证明,在召回率、精度、F1值等评估指标上,明显优于SegNet、FCN等语义分割网络.所设计的AS-Unet网络性能优良,具有更高的分割准确率,具备一定理论和实际应用价值.

关键词：语义分割、高分辨率影像、道路提取、注意力机制、空间金字塔模型、卷积神经网络

所属期刊栏目：57

分类号：TP75(遥感技术)

资助基金：山东省重点研发计划公益类专项项目;微纳高光谱卫星数据自动智能一体化地面处理系统建设;珠海一号卫星大数据云服务平台与应用示范项目

在线出版日期：2021-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：209-216