基于改进UNet++的遥感影像海岸线提取方法

遥感图像的海陆分割对海岸线提取和动态监测具有重要意义。本文将深度卷积神经网络应用于高分辨率遥感图像的陆海分割,并在经典编解码器结构的基础上进行了创新。为了提高网络区分海岸线的能力,本文在UNet++网络中引入双重注意力机制,以提高海岸线特征的学习能力,抑制非海岸线特征学习,并利用研究区遥感图像数据对海岸线进行分割。试验结果表明,与经典的UNet、DeepLab v3+和UNet++网络相比,本文改进UNet++网络的分割结果更准确,各种海岸线边界模糊度较低。面对日益丰富的高分辨率遥感图像数据源,基于改进UNet++的海岸线提取可以更好地保留边界信息,并具有更好的语义分割效果,可以更准确地挖掘高分辨率遥感图像的空间分布特征、纹理特征和光谱特征,从而提高分类的准确性。