基于多尺度注意力网络的SAR影像水体高精度自动检测

合成孔径雷达(Synthetic Aperture Radar,SAR)系统具有全天时全天候的成像特点,在水体检测中具有重要应用价值,但在提取多尺度水体信息时,仍存在细小支流水体特征提取困难的问题。文章提出了名为多尺度注意力水体分割网络(Multi-scale Attention LinkNet,MATLinkNet)。该网络主要分为编码器和解码器两部分。在编码器前的初始块阶段,采用多个小卷积替代传统的7×7卷积,可以提取到更加细腻的水体信息。随后,在编码阶段构建了注意力机制的多尺度金字塔(Attentional Multi-Scale Pyramid,AMSP)模块,加强对不同尺度水体特征的学习并关注水体的重要特征。最后,设计跳跃连接来链接编码器和解码器的特征,弥补编码阶段多次下采样造成的空间信息损失,在有效提高水体提取精度的同时减少了训练时间。在自制的“哨兵一号”SAR影像水体数据集上进行实验,独立测试结果表明,水体提取的精度和交并比最高值分别达到了90.73%和81.95%,比原始的LinkNet网络分别提高了6.81和5.27个百分点,验证了该网络在SAR水体影像分割任务中的优异性能。

资料为PDF文档格式.

本文档关键词:影像,注意力,尺度,网络,水体