融合注意力门与空间增强前馈网络的分层特征调控U-Net用于高分辨率遥感图像道路提取
《Applied Sciences》:HFRU-Net: Hierarchical Feature Regulation with Attention-Guided Skip Connections and Spatial Context Enhancement for Road Extraction from Remote Sensing Images
【字体:
大
中
小
】
时间:2026年10月01日
来源:Applied Sciences 2.5
摘要
从高分辨率遥感图像中提取道路仍然是一项具有挑战性的任务,其原因在于背景复杂、地表条件多样以及维持道路连续性困难。现有的基于U-Net的方法主要改进了特征融合策略,但特征过滤不足和空间结构表征有限往往导致背景干扰和道路片段不连续。为解决这些问题,本文提出了一种基于U-Net的分层特征调控框架HFRU-Net,该框架融合了注意力门(AG)和空间增强前馈网络(SEFN)。具体而言,AG被集成到跳跃连接中,以便在多层次特征融合过程中自适应地抑制无关的背景特征并增强道路相关的表征。SEFN被嵌入到解码器模块中,通过多尺度特征交互来增强空间上下文建模,从而提高对狭窄道路和复杂交叉路口的检测能力。在DeepGlobe和WHU-RuR数据集上的大量实验表明,HFRU-Net分别实现了82.31%和73.28%的mIoU值,优于几种现有方法。消融实验表明,引入AG和SEFN后性能有所提升,其中AG有助于在跨层融合过程中进行特征调控,SEFN增强了解码过程中的空间上下文表征,从而使狭窄和空间连续的道路结构的恢复变得更加可行。此外,在GRSet数据集上的跨区域评估为所提方法的迁移性提供了初步证据。所提出的HFRU-Net为提高遥感道路提取中的特征表征和空间结构建模提供了有效的框架。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号