摘要
油田高后果区是石油输送管道安全管理的关键区域,准确获取油田高后果区地表信息至关重要.针对油田高后果区内提取任务面临地物形状多样、光谱差异小、类型复杂等挑战,提取结果出现错提、漏提、道路不连续的问题,基于ResUnet模型提出了一种适用于油田高后果区地物提取SML_ResUnet模型,该模型在池化阶段引入条形池化单元,在编解码之间加入混合池化模块和标签信息注意力模块.条形池化单元能实现对长条形孤立信息的捕获,混合池化模块兼顾标准池化和条形池化优点,最大程度保留不同位置区域的特征信息,标签注意力模块引入标签信息来优化注意力模块中生成的注意力概率图,从而进一步提高模型提取结果.在油田高后果区高分辨率数据集上的消融实验结果表明,SML_ResUnet网络提取结果最优,其中OA、MIoU、F1-score分别达到了97.24％、84.23％、91.26％,相较于经典模型ResUnet各评价指标均有提升,其中OA、MIoU、F1-score分别提升了0.48％、2.49％、1.55％.在山东省某油田高后果区提取任务中,提取结果的总体精度平均为97.66％,适用于具有多种复杂地物类型的大范围油田高后果区内提取任务.
NETL
NSTL
万方数据