基于注意力机制的UNet模型的洪水SAR图像研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：洪水灾害的快速蔓延对社会构成了巨大威胁,因此高效而准确的洪水监测技术显得尤为重要.合成孔径雷达(SAR)图像由于其独特的穿透性和无视天气限制的特点,在洪水监测中发挥着关键作用.然而,由于SAR图像的复杂性和噪声,传统的图像分割方法在洪水SAR图像上的应用仍然具有挑战性.通过引入空间注意力机制对UNet模型进行了改进,提出了一个编码解码结构模型USANet,旨在提高其在洪水SAR图像分割任务中的精确度.改进的UNet模型通过在编码解码端分别引入注意力机制来有针对性地增强对洪水特征的感知能力.实验结果显示,改进的UNet模型相较于传统UNet在洪水SAR图像分割任务中取得了显著的性能提升.通过定量评估,验证了注意力机制在提高模型对洪水特征敏感性方面的有效性,为未来在遥感领域的相关研究和应用提供了有益的指导.

作者：

鲁王泽

展开 >

作者单位：

防灾科技学院河北廊坊 065201

关键词：

洪水灾害合成孔径雷达改进UNet模型

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.06.013

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(6)