一种用于DSM局部缺失的深度学习修复算法

作     者：官恺 刘智 金飞 韩佳容 芮杰 GUAN Kai;LIU Zhi;JIN Fei;HAN Jiarong;RUI Jie

作者机构：信息工程大学河南郑州450001 西安测绘总站陕西西安710054 

基　　金：国家自然科学基金项目(41601507) 

出 版 物：《测绘科学技术学报》 (Journal of Geomatics Science and Technology)

年 卷 期：2020年第37卷第3期

页      码：281-286页

摘      要：受地形、地物遮挡和反射率等影响,机载激光雷达获得的DSM数据值存在局部缺失。针对此问题,设计了一种基于U-Net改进的深度学习算法,成功地将深度学习图像修复方法应用于DSM修复。该算法通过在U-Net基础上结合部分卷积和注意力模块的方式能有效地减小修复误差,具有更好的鲁棒性。其中,部分卷积可增强不规则缺失边缘特征的提取能力;注意力模块能在通道和空间两个维度增加特征权重自适应学习机制。为了验证算法的有效性,采用多种方法对两个地区的DSM数据进行了实验。实验结果表明,改进后的算法有效地降低了修复误差,比传统U-Net网络方法降低了约30%;相比于传统方法误差更小,在缺失范围变化上具有更好的鲁棒性。

主 题 词：DSM修复 深度学习 U型网络 部分卷积 注意力模块 

学科分类：083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 081602[081602] 0816[工学-纺织类] 

D　O　I：10.3969/j.issn.1673-6338.2020.03.011

馆 藏 号：203983876...