张皓源 张超 陈正 赵丽华 陈畅 白雪川 杨翠翠
摘要：快速准确地获取农村道路信息，可为农业机械作业导航、高标准农田建设评价提供基础数据。针对复杂环境下农村道路受遮挡、光谱差异小、几何形状多变，造成道路识别存在细节信息丢失、不连续等问题，本文基于可控制编码层数的Res-Unet结构，构建一种改进的SMC＿ResUnet农村道路提取语义分割模型。以ResUnet50为基础，在编码器部分，通过引入条带池化模块，增强对农村道路长距离空间特征的提取能力，并在残差块中引入CA注意力机制，通过位置信息增强模型对农村道路细微特征的感知能力，减少漏提；在编解码通道中加入混合池化模块，通过将条带池化与标准金字塔池化融合，有助于兼顾多形状农村道路目标识别的同时降低误提率。以黑龙江省嫩江市农村道路高分辨率数据集进行试验验证，结果表明，SMC＿ResUnet各评价指标均优于对比模型，平均准确度、召回率、平均交并比和F1分数达98.58%、83.40%、78.06%和85.89%,在大范围农村道路提取应用中平均准确度达97.41%。消融试验验证了各新增模块解决农村道路识别相应问题的有效性，同时，利用深度地球道路数据集，验证本文构建模型具有较好的泛化能力。本文识别方法可为农村区域道路信息获取和农机导航作业提供支撑。
关键词：农村道路;识别;条带池化;注意力机制;深度学习;遥感;
融合条带池化与注意力机制的遥感影像农村道路识别方法.pdf