来源：期刊VIP网 时间：
作者：肖振久;郝明;曲海成;侯佳兴;
单位：辽宁工程技术大学软件学院;
摘要：针对高分辨率遥感影像语义分割存在地物边缘分割不连续、道路及背景特征复杂多样导致道路提取分割精度不高的问题，提出了一种融合双通道注意力和扩张卷积的遥感影像道路信息提取语义分割网络(A~2DU-Net)。首先，在特征提取部分引入坐标注意力(coordinate attention, CA)模块，捕捉道路位置、方向和跨通道信息，精确定位道路信息。其次，针对网络对细节特征丢失的敏感问题，在编码器的末端利用不同扩张率的空洞卷积构建多尺度特征融合的空洞空间金字塔池化模块(multi-scale Atrous spatial pyramid pooling module, MASPPM)来获得更大的感受野，提高网络性能。最后，为了避免U-Net中纯跳跃连接在语义上不相似特征的融合，在编码器和解码器的跳跃连接之间增加了双通道注意力机制来实现门控筛选，抑制非目标区域的特征，提高网络的分割精度。实验在公共道路数据集Massachusetts上对网络模型进行测试，OA(准确率)、交并比(IoU)、平均交并比(mIoU)和F1等评价指标分别达到98.07%、64.39%、81.20%和88.67%。与主流方法U-Net和DDUNet进行比较，mIoU分别提升了3.07%、0.22%,IoU分别提升了1.98%、0.52%。实验结果表明，所提出的方法优于所有的比较方法，能够有效提高道路分割的精确度。
关键词：语义分割;;道路提取;;注意力机制;;U-Net;;空洞空间金字塔池化
基金资助：辽宁省高等学校基本科研项目(LJKMZ20220699);; 辽宁工程技术大学学科创新团队项目(LNTU20TD-23)
