摘要
滑坡灾害是破坏力极大的自然灾害之一,高效、准确的滑坡识别方法对灾后应急救援与地质灾害的危险性评估具有非常重要的现实意义.针对滑坡遥感影像中常见的植被再覆盖与地表侵蚀导致的特征微弱与边界模糊问题,提出一种以SAM为基础且在掩码解码器中融合CBAM的SAM-CANet滑坡识别方法.首先,利用图像编码器提取多层次特征;然后,掩码解码器通过融合CBAM注意力机制,自适应放大滑坡区域的微弱语义信号与高频细节.在毕节滑坡数据集上进行对比分析,结果表明:与主流算法(U-Net、DeepLab v3+、Mask2Former)相比,SAM-CANet模型的Dice系数达到 0.867 2、IoU值达到 0.773 7,在多组植被覆盖和边界模糊的影像测试中表现出更高的识别性能,为SAM模型在遥感领域的应用提供了新的思路和方法.
NETL
NSTL
万方数据