基于多尺度融合注意力改进UNet的遥感图像水体分割

作     者：石甜甜 郭中华 闫翔 魏士钦 SHI Tian-tian;GUO Zhong-hua;YAN Xiang;WEI Shi-qin

作者机构：宁夏大学物理与电子电气工程学院宁夏银川750021 宁夏大学沙漠信息智能感知重点实验室宁夏银川750021 

基　　金：宁夏自然科学基金(No.2020AAC03026) 宁夏大学研究生创新研究项目(No.GIP2021006,No.CXXM202221) 

出 版 物：《液晶与显示》 (Chinese Journal of Liquid Crystals and Displays)

年 卷 期：2023年第38卷第3期

页      码：397-408页

摘      要：针对遥感图像水体分割任务,提出了一种多尺度融合注意力模块改进的UNet网络——A-MSFAM-UNet,该方法在GF-2遥感图像水体分割任务中实现了端到端高分辨率遥感图像水体分割。首先,针对以往注意力模块全局池化操作带来的局部信息不敏感问题,设计了一种多尺度融合注意力模块(MSFAM),该模块使用点卷积融合通道全局信息、深度可分离卷积弥补全局池化造成的信息丢失。MSFAM用于UNet跳跃连接后的特征融合部分重新分配特征点权重以提高特征融合效率,增强网络获取不同尺度信息的能力。其次,空洞卷积用于VGG16主干网络扩展感受野,在不损失分辨率的情况下聚合全局信息。结果表明,A-MSFAM-UNet优于其他通道注意力(SENet、ECANet)改进的UNet,在GF-2水体分割数据集上平均交并比(MIoU)、平均像素精度(MPA)和准确率(Acc)分别达到了96.02%、97.98%和99.26%。

主 题 词：遥感图像 注意力模块 深度可分离卷积 特征融合 空洞卷积 

学科分类：0810[工学-土木类] 081203[081203] 08[工学] 0835[0835] 081002[081002] 0812[工学-测绘类] 

D　O　I：10.37188/CJLCD.2022-0232

馆 藏 号：203118693...