基于多层特征信息融合的滑坡图像分割模型

• Published in: 测绘学报 Vol. 53; no. 11; pp. 2201 - 2212
• Main Authors: 张银胜, 陈戈, 段修贤, 童俊毅, 单梦姣, 单慧琳
• Format: Journal Article
• Language: Chinese
• Published: 南京信息工程大学复杂环境智能保障技术教育部重点实验室,江苏南京 210044%南京信息工程大学电子与信息工程学院,江苏南京 210044%无锡学院江苏省集成电路可靠性技术及检测系统工程研究中心,江苏无锡 214105 13.12.2024; 南京信息工程大学电子与信息工程学院,江苏南京 210044; 无锡学院江苏省集成电路可靠性技术及检测系统工程研究中心,江苏无锡 214105
• Subjects: 遥感图像; feature information fusion; 语义分割; attention module; pyramid pooling; 金字塔池化; 注意力模块; semantic segmentation; remote sensing image; landslide; 滑坡; 特征信息融合
• ISSN: 1001-1595
• DOI: 10.11947/j.AGCS.2024.20230587

P237; 滑坡对人类生存环境造成严重的危害,人工识别滑坡区域的方式比较耗时且隐蔽区域不易被探测,而利用遥感图像识别滑坡区域,能够准确快速地实现滑坡灾害预警和救援.随着深度学习的快速发展,语义分割已经广泛应用于滑坡遥感图像识别领域.针对当前滑坡图像分割模型容易出现错误识别、图像边缘信息丢失等问题,本文提出了一种多层特征信息融合的滑坡分割模型MLFIF-Net,该模型以MobileNetv3-Small为主干网络,提高模型对滑坡图像的特征提取能力,同时构建级联带状空间金字塔池化模块增强滑坡图像的纹理特征,获取多尺度信息,利用高效通道注意力模块关注图像特征,设计了多层特征信息融合结构增强图像的边缘信息,从而提升模型的分割效果.试验结果表明,本文模型在贵州毕节市滑坡数据集上的准确率为96.77％,类别平均准确率为95.61％,平均交并比达到了 87.69％,与SegNet等6种分割模型相比,其分割精度较为优异,能够准确识别目标区域,突出滑坡图像边缘细节.