基于多尺度深度注意力模型的遥感影像滑坡提取方法

作者：许濒支; 朱庆; 李海峰; 胡翰; 丁雨淋; 陈琳

来源：测绘地理信息, 2022, 47(03): 108-112.

DOI：10.14188/j.2095-6045.2020004

• 滑坡提取
• 语义分割
• 注意力机制
• 金字塔
• 卷积神经网络(convolutional neural network,CNN)

滑坡影像存在滑坡体间尺度差异大，光谱信息与裸露地表相似的问题。虽然当前卷积神经网络（convolutional neural network,CNN）在语义分割方面取得明显突破，然而CNN的局部感受野导致滑坡和裸露地表难以区分，因此高效、精准的滑坡提取一直是国际上亟待解决的难题。针对此问题，提出一种多尺度深度注意力语义分割方法：以残差网络（residual network,ResNet）为骨架，引入金字塔结构，增强网络模型在不同尺度下对滑坡特征的提取能力；嵌入通道注意力机制，提高对特征的全局感知能力。将该方法应用于九寨沟滑坡无人机遥感影像数据集，结果表明，该方法在保持滑坡的完整性和区分光谱信息混淆方面有明显提升。

• 单位
  西南交通大学; 物理学院; 中南大学