版权所有:内蒙古大学图书馆 技术提供:维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
作者机构:江苏省地质工程勘察院江苏南京211102
出 版 物:《地理空间信息》 (Geospatial Information)
年 卷 期:2025年第23卷第1期
页 面:13-16页
学科分类:083002[工学-环境工程] 0830[工学-环境科学与工程(可授工学、理学、农学学位)] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术]
基 金:山东省自然科学基金资助项目(ZR2021QD074)
摘 要:针对目前深度学习算法提取遥感影像道路存在的效率和完整性较差的问题,提出了一种改进的结合空间与通道注意力机制的编码器—解码器结构。在编码器部分引入SCConv模块,从空间、通道两个方向对CNN进行压缩,以减少冗余特征,获得更高的提取效率;在编码器—解码器中间部分采用坐标注意力提高模型提取道路边界的准确性,进而提高完整性。实验表明,在马赛诸塞州数据集下改进的注意力U-Net模型的Recall、F1-score和IoU均比原始模型有明显提高,提取的道路结构更完整且耗时更短,证明了算法改进的有效性。