改进U-Net的遥感图像语义分割方法

• Published in: 测绘学报 Vol. 52; no. 6; pp. 980 - 989
• Main Authors: 胡功明, 杨春成, 徐立, 尚海滨, 王泽凡, 秦志龙
• Format: Journal Article
• Language: Chinese
• Published: 中国地质大学(武汉)地质探测与评估教育部重点实验室,湖北 武汉 430074 20.06.2023; 中国地质大学(武汉)国家地理信息系统工程技术研究中心,湖北 武汉 430078%中国地质大学(武汉)国家地理信息系统工程技术研究中心,湖北 武汉 430078; 中国地质大学(武汉)地理与信息工程学院,湖北 武汉 430078%中国地质大学(武汉)地质探测与评估教育部重点实验室,湖北 武汉 430074
• Subjects: 注意力机制; 多尺度跳跃连接; attention mechanism; U-Net; pyramid pooling; 遥感语义分割; remote sensing semantic segmentation; 金字塔池化; multi-scale skip connetion
• ISSN: 1001-1595
• DOI: 10.11947/j.AGCS.2023.20210684

P237; 利用深度神经网络进行遥感影像语义分割是遥感智能解译的一个重要内容,在城市规划、灾害评估及农业生产等领域具有十分重要的作用.高分辨率遥感影像具有背景复杂、尺度多样及形状不规则等特点,使用自然场景语义分割方法处理遥感图像往往存在分割精度低的问题.针对上述情况,本文在 U-Net模型基础上,提出了一种多尺度跳跃连接方法来融合不同层次的语义特征,获取准确的分割边界与位置信息;引入注意力机制和金字塔池化解决复杂背景下的精细分割问题.为了验证本文方法的有效性,在WHDLD和 LandCover.ai数据集上进行试验,并与主流语义分割方法进行对比.试验结果表明,本文方法的mIoU分别达到 74.28%和 82.04%,F1 均值达到 84.47%和 89.76%,均优于其他对比方法;相比于U-Net的分割结果,IoU在建筑物、道路等占比较少的类别上提升明显,且优于其他对比方法.