基于改进的DUNet遥感图像道路提取

作     者：侯月武 刘兆英 张婷 李玉鑑 孙长明 HOU Yuewu;LIU Zhaoying;ZHANG Ting;LI Yujian;SUN Changming

作者机构：北京工业大学信息学部北京100124 桂林电子科技大学人工智能学院广西桂林541004 新南威尔士大学计算机技术与工程学院新南威尔士州悉尼201101 

出 版 物：《山东大学学报（工学版）》 (Journal of Shandong University（Engineering Science）)

年 卷 期：2022年第52卷第4期

页      面：29-37页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61806013,61876010,61906005) 北京市教育委员会科技计划一般资助项目(KM202110005028) 北京工业大学交叉科学研究院资助项目(2021020101) 北京工业大学国际科研合作种子基金资助项目(2021A01) 

主　　题：遥感图像 道路提取 多尺度上采样 注意力机制 

摘      要：为进一步提高遥感图像道路提取的精度,提出一种改进的DUNet遥感图像道路提取方法。在编码器部分,为使网络关注道路信息,在第3个池化层分别使用有注意力机制和没有注意力机制两个分支提取道路特征;在解码器部分,同时使用传统UNet的解码器和DUNet解码器两个分支进行上采样,最大限度减少信息丢失。试验结果表明,与其他8种常用的分割模型结果相比,此方法在Massachusetts和DeepGlobe 2018数据集上都获得最高的平均交并比和平均Dice系数,其中平均交并比最高分别提高2.90%和8.99%,平均Dice系数最高分别提高2.53%和7.66%。这表明改进的DUNet能够有效实现遥感图像的道路提取,与传统DUNet相比,在小路区域的分割效果得到提升,进一步提高了传统DUNet的分割精度。