基于改进UCTransNet的海洋微藻图像分割模型

海洋微藻是海洋生态系统的基石,对其进行分割识别可以监测海洋水质并防治藻华。UCTransNet是使用Transformer模块替代UNet中跳跃连接模块的分割模型,但UCTransNet过于重视图像的通道信息而忽略了图像的空间信息。针对此情况,提出一种将空间与通道融合的注意力机制,并将其加入UCTransNet中,得到CSAM-UCTransNet。该模型加强了编码器与译码器之间的联系。实验表明,CSAM-UCTransNet对海洋微藻样本的分割精度相较于UCTransNet提升了4.88%。与UNet、Attention-UNet、UNet++等分割算法相比,该模型分割精度更高,对细节的处理效果更好。