无人机街景影像的多尺度扩展卷积神经网络语义分割

视觉环境感知作为无人机智能导航、自主控制的关键环节,是执行多样性任务的先决条件。因此,如何为无人机智能决策和控制提供精准的视觉语义信息显得尤为重要。针对城市交通复杂场景无人机鸟瞰图像的语义分割算法进行研究,主要工作为:①对航拍数据集进行数据增强,增强模型训练鲁棒性;②针对无人机大场景目标尺寸多样,提出动态多尺度扩张卷积模块提取目标区域多尺度特征,利用残差神经网络结构增加模型深度的同时防止梯度消失;③利用特征融合增强模块在不同尺度融合深层和浅层特征,突出目标多尺度信息表征能力,抑制背景噪声;④后端通过二叉树边缘修正模块对分割图像进行优化,提高目标边界之间的分割效果。为验证算法有效性,实验部分与当前最新语义分割算法进行对比。实验结果表明,所提方法在多个评价指标上均优于比较方法。