基于U-Net和小波变换的SAR图像道路分割算法

传统SAR图像道路分割存在受散斑噪声影响大,图像高频信息难以利用、分割精度低等问题.对此,该文提出一种基于小波变换注意力机制和U-Net的SAR图像道路分割算法.设计了基于小波变换的频域注意力机制;引入了混合池化机制,强化SAR图像中道路的细长特征;将条纹和金字塔池化与频域注意力加入U-Net,在此基础上,设计了一种用于SAR图像道路分割的卷积神经网络.此算法能有效抑制SAR图像中存在的噪声,同时能够对无关特征通道进行抑制,从而有效利用图像特征.频域注意力机制在保留图像有效信息的同时实现了去噪功能,增强了算法的鲁棒性,混合池化机制强化了道路特征,提高了分割准确率.采用真实的机载高分辨率SAR图像数据进行对比实验,结果表明,该算法具有良好的分割效果.