来源：期刊VIP网 时间：
作者：黄维;崔志美;黄志都;邬蓉蓉;
单位：广西电网有限责任公司电力科学研究院;
摘要：随着城市化进程加快，城市洪涝灾害频发且破坏性强，对人类的生命和财产安全产生重大危险。目前基于深度学习的水体提取方法往往因为SAR影像的噪声背景复杂而不能取得满意的结果。文章针对原始U-Net存在的多尺度特征提取能力不足、细节信息损失等问题，引入空间注意力模块、卷积注意力机制和空洞空间卷积池化金字塔模块，构建了一个多模块串联的特征增强结构，既加强了水体边界定位的准确性，又能有效抑制非水体区域的误分割。实验结果表明，与其他模型相对比，改进的模型有全面的性能优势，能够高效地从SAR影像中提取城市水体，为防灾减灾提供新的技术支持。
关键词：SAR图像;;深度学习;;注意力机制;;水体提取;;U-Net;;ASPP模块
基金资助：广西电网科技创新项目(GXKJXM20222160)
