融合空洞空间金字塔池化和注意力的轻量化遥感影像道路提取
Lightweight Remote Sensing Image Road Extraction Combing Atrous Spatial Pyramid Pooling and Attention Mechanism作者机构:西安电子科技大学空间科学与技术学院西安710126 北京航空航天大学电子信息工程学院北京100191 北京空间机电研究所先进光学遥感技术北京市重点实验室北京100094 西安航天天绘数据技术有限公司西安710100
出 版 物:《航天返回与遥感》 (Spacecraft Recovery & Remote Sensing)
年 卷 期:2024年第45卷第1期
页 面:111-122页
核心收录:
学科分类:0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理]
基 金:陕西省自然科学基础研究计划资助项目(2023-JC-QN-0299) 先进光学遥感技术北京市重点实验室开放基金项目(AORS20238) 自然资源部矿山地质灾害成灾机理与防控重点实验室项目(2022-08) 中央高校基本科研业务费专项资金资助项目(300102353502) 自然资源部国土卫星遥感应用重点实验室开放基金项目(KLSMNR-G202303)。
主 题:道路提取 空间金字塔池化 通道注意力机制 可分离卷积 高分辨率网络 遥感影像
摘 要:针对高分辨率遥感影像中道路形状结构错综复杂,出现窄小型道路提取错误或漏分的问题,提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先,在原始高分辨率网络(HRNet)基础上,通过引入空洞空间金字塔池化模块,实现多尺度道路信息融合;再引入挤压激励通道注意力机制,增强网络特征表征质量;最后使用深度可分离卷积方法改进网络残差模块实现模型轻量化,以降低模型计算复杂度。在公开数据集上进行了模型性能测试,实验结果表明,文章所提算法的准确率、精确率、召回率、F1分数和平均交并比,相比原始HRNet分别提升了5.35%、2.15%、4.1%、3.15%和14.34%,且减少了36.1%的参数数量;相比其他网络,该算法突出了细小道路的特征,道路预测结果连续性、完整性好,并且模型小易于部署在实时检测设备中,有效改善了道路提取任务中错分和缺失的情况,是一种适应性更强、分割精度更高、更轻量化的多尺度道路提取算法。