基于注意力和空洞卷积嵌入UNet3Plus的超高分辨率SAR建筑物提取方法、系统、设备及介质技术方案

基于注意力和空洞卷积嵌入UNet3Plus的超高分辨率SAR建筑物提取方法、系统、设备及介质，方法：采集并预处理超高分辨率的SAR影像数据，划分为训练集、验证集和测试集；并将其转化为适用于MindSpore深度学习框架的数据集样本类型；构建注意力和空洞卷积嵌入UNet3Plus的深度网络模型；训练与监控深度网络模型；将测试集送入训练好的深度网络模型中进行建筑物提取，得到分割预测结果；利用分割预测结果和对应的SAR测试集影像的标签计算超高分辨率下建筑物/非建筑物类别的评价指标和整体评价指标，评估网络性能，可视化预测结果图；本发明专利技术通过注意力机制和空洞卷积嵌入UNet3Plus，改善超高分辨率SAR影像中建筑物的边缘提取效果和减少小目标漏检情况，提高建筑物分割精度和鲁棒性。

【技术实现步骤摘要】

本专利技术属于sar影像智能解译，具体涉及基于注意力和空洞卷积嵌入unet3plus的超高分辨率sar建筑物提取方法、系统、设备及介质。

技术介绍

1、合成孔径雷达(synthetic aperture radar,sar)是遥感领域的重要技术，它主要利用雷达的合成孔径原理进行遥感观测，具备全天时、全天候、不受地区和光线限制的优势，具有广阔的应用前景。建筑物属于sar影像中的常见地物类型，sar建筑物的准确分割可以在城市规划、农村改造、环境监测、灾害管理、基础设施管理等领域发挥关键的作用，辅助政府或者决策者及时获取城乡规划与建设情况、环境变化与保护以及灾害影响与响应等信息。

2、sar数据反映了地物的微观结构和物理特性，建筑物在sar图像中的回波特征受到表面材料、周围地物(例如高大树木等)、建筑物结构以及成像时的拍摄角度等因素所影响，具有明显的混合像元特点，且sar图像固有的乘性噪声，都增加了建筑物分割的难度。尤其是在超高分辨率的sar影像情况下，小尺寸的建筑物更易受到噪声、阴影的影响，在整个图像中呈现不明显的特征，导致小尺寸建筑物或密集区域的本文档来自技高网...

【技术保护点】

1.基于注意力和空洞卷积嵌入UNet3Plus的超高分辨率SAR建筑物提取方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的基于注意力和空洞卷积嵌入UNet3Plus的超高分辨率SAR建筑物提取方法，其特征在于：所述步骤2的具体过程包括：

3.根据权利要求1所述的基于注意力和空洞卷积嵌入UNet3Plus的超高分辨率SAR建筑物提取方法，其特征在于：所述步骤3的具体过程包括：

4.根据权利要求1所述的基于注意力和空洞卷积嵌入UNet3Plus的超高分辨率SAR建筑物提取方法，其特征在于：所述步骤4中训练与监控的过程包括：p>

5.根据权...

【技术特征摘要】

1.基于注意力和空洞卷积嵌入unet3plus的超高分辨率sar建筑物提取方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的基于注意力和空洞卷积嵌入unet3plus的超高分辨率sar建筑物提取方法，其特征在于：所述步骤2的具体过程包括：

3.根据权利要求1所述的基于注意力和空洞卷积嵌入unet3plus的超高分辨率sar建筑物提取方法，其特征在于：所述步骤3的具体过程包括：

4.根据权利要求1所述的基于注意力和空洞卷积嵌入unet3plus的超高分辨率sar建筑物提取方法，其特征在于：所述步骤4中训练与监控的过程包括：

5.根据权利要求3所述的基于注意力和空洞卷积嵌入unet3plus的超高分辨率sar建筑物提取方法，其特征在于：

<...

【专利技术属性】
技术研发人员：任仲乐，刘少博，孟建华，侯彪，李卫斌，焦李成，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：