改进U-Net模型的水体分割方法

针对遥感影像水体分割算法在应对细小水系繁多、水环境复杂的情况时分割准确率低,以及易混淆地物、错分率高等问题,设计了一种改进的U-Net模型。首先,设计并建立改进的U-Net模型,通过对原始图像增加上采样部分,使该模型形成上下对称的结构;同时,采用S形循环,通过增加神经网络的中间层层数,保留更多的图像特征。其次,对于改进模型的深度进行调整,即一次上下采样和两次上下采样,文章据此提出两种不同的网络结构,并对比分析二者的分割精度。实验证明,OSUNet-V2模型(两次上下采样)精度更高、效果更佳,相较于U-Net,精度提高1.28%,交并比提高2.19%,对地物的分辨能力及抗易混淆地物的干扰能力高于U-Net,可以为城市水体分布情况的快速获取提供数据参考和支撑。