基于残差注意力编-解码网络的道路提取方法

作     者：齐然然 帕力旦·吐尔逊 汤泊川 钱育蓉 QI Ranran;PALIDAN Tuerxun;TANG Bochuan;QIAN Yurong

作者机构：新疆大学软件学院新疆乌鲁木齐830091 新疆大学软件工程重点实验室新疆乌鲁木齐830091 新疆师范大学新疆乌鲁木齐830054 新疆大学计算机科学与技术学院新疆乌鲁木齐830046 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2025年第47卷第1期

页      面：119-129页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(61966035,U1803261) 新疆维吾尔自治区科技厅国际合作项目(2020E01023) 新疆维吾尔自治区自然科学基金(2022D01A99) 

主　　题：遥感图像 道路提取 编-解码网络 通道注意力 

摘      要：针对遥感图像中相似形状地物对道路提取造成干扰的问题,提出基于残差注意力的编-解码网络RAED-Net。RAED-Net的编码网络采用改进的通道注意力残差模块来提取输入图像的局部特征和全局特征,自适应地调整通道特征映射的权重,提高对重要通道信息的关注,减少背景干扰。在解码网络中引入条形卷积模块,提高上采样过程中跨通道信息交互以及对道路边缘细节信息的恢复能力,提升复杂环境中道路提取结果的准确度。在2个不同类型公开数据集上的对比实验结果表明,RAED-Net能够准确提取道路信息,缓解了相似地物对道路提取带来的干扰问题,取得综合最优结果且参数量最少。尤其在全像素标注、复杂性较高的mini DGRD数据集上的F1、IoU和mIoU分别比次优网络提高了3.53%,5.76%和2.21%。