一种基于U-Net改进的无人机图像分割方法技术

本发明专利技术提出了一种专为无人机航拍图像分割任务设计的先进U‑Net网络改进模型。该模型通过融合边缘感知能力与先进的注意力机制，显著增强了对图像边缘区域的分割精度及整体图像的分割性能。通过引入创新的双重注意力机制，模型能够更加聚焦于图像的关键部分，有效减少由背景元素引起的干扰，同时显著提升了分割的准确度。此外，模型中加入的门控注意力技术在实现特征的选择与融合过程中优化了跳跃连接，加之边缘感知模块的引入，极大地提高了模型对图像边缘细节的捕捉能力，确保了分割结果的清晰度与精确性。为了进一步提高分割质量，本模型在解码器部分采用了改进的特征融合技术，这一策略确保了深层与浅层特征的有效结合，捕获了丰富的上下文信息，从而在性能上得到了显著提升。

【技术实现步骤摘要】

本专利技术涉及深度学习中的语义分割领域，针对无人机航空图像进行细节抓取的技术。

技术介绍

1、随着遥感技术的快速发展，可以更加便捷地获取到更高分辨率和更丰富信息的遥感图像，这对于环境监测、城市规划、灾害评估等领域具有重要意义。在这些应用中，精确的语义分割不仅需要区分不同的地物类型，还要在物体边缘处保持较高的细节精度，以便更准确地划分和理解地表特征。然而，现有的语义分割算法在处理遥感图像时，尤其是在物体边缘细节的识别和保留方面，仍面临着诸多挑战。如今航拍图像的时空跨度越来越大在复杂环境中，如城市或森林地带，对象可能会互相遮挡，导致部分边缘信息丢失。此外，由于无人机拍摄角度的多样性，某些边缘可能会因投影变形或视角问题而难以识别。自然光照条件的变化(如日照强度和方向的变化)会对图像的质量和边缘的清晰度产生影响。阴影可能会模糊或隐藏真实的物体边缘，使得分割任务更加困难，无人机图像的分辨率可能因飞行高度的不同而变化，并且通常包含复杂的背景，其中包括各种纹理和模式，这些复杂的背景可能会与前景对象的边缘混淆，增加了正确分割的难度，这对边缘感知尤其具有挑战性。加上对象的尺本文档来自技高网...

【技术保护点】

1.一种基于U-Net改进的无人机图像分割方法，其特征在于，包括以下步骤：

2.如权利要求1所述方法，其特征在于，步骤2中的图像增强为水平翻转、垂直翻转和对角翻转方法。

3.如权利要求1所述方法，其特征在于，步骤3中的U-Net架构里采用改进的特征提取模块、双重注意力方法、边缘感知模块以及改进的特征融合方法。

4.如权利要求1所述方法，其特征在于，步骤4中的性能测评方法采用定量评估来检验分割方法的性能。使用三个性能指标:像素查准率(PA)，平均相交于联合(mIoU)，和MeanF1得分。

【技术特征摘要】

1.一种基于u-net改进的无人机图像分割方法，其特征在于，包括以下步骤：

2.如权利要求1所述方法，其特征在于，步骤2中的图像增强为水平翻转、垂直翻转和对角翻转方法。

3.如权利要求1所述方法，其特征在于，步骤3中的u-net架构里采用改...

【专利技术属性】
技术研发人员：许文波，谭志昊，周昊哲，贾海涛，孙立成，任利，周焕来，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：