基于双重注意力机制的CycleGAN海岸线自动提取方法 |
| |
引用本文: | 卢鹏,张娜,邹国良,王振华,郑宗生.基于双重注意力机制的CycleGAN海岸线自动提取方法[J].激光与光电子学进展,2022(12):92-102. |
| |
作者姓名: | 卢鹏 张娜 邹国良 王振华 郑宗生 |
| |
作者单位: | 上海海洋大学信息学院 |
| |
摘 要: | 将遥感图像进行像素级海陆分割是海岸线提取的一项基础性工作。由于海岸线的动态变化,获取精准的海岸线标记数据集比较困难,为此采用Google Aerial photo-Maps配对样本,在对Google Maps进行海陆二值化处理后构建了新的配对数据集。针对新数据集样本较少问题,在循环生成对抗网络(CycleGAN)模型的基础上,提出了基于双重注意力机制的DAM-CycleGAN。新模型全面考虑遥感图像和海陆二值化图像之间的结构相似性,改进了循环一致性损失,并设计通道注意力模块和空间注意力模块来凸显显著性特征和区域,以增强模型在小样本训练下的特征学习能力。在均方误差、平均像素精度和平均交并比(MIoU)三个评价指标上,与全卷积神经网络模型、DeepLab模型在多个规模数据集训练下的实验结果对比,改进模型转换的海陆二值化图像与真值图像更加吻合,MIoU值分别至少提高7%、6%以上,验证了所提方法的有效性和可行性。
|
关 键 词: | 图像处理 遥感 循环生成对抗网络 注意力机制 循环一致性损失 小样本 |
|
|