基于分层特征提取和多尺度特征融合的高分辨率遥感影像水体提取深度学习算法

高精度的水体提取有助于水资源监测和管理。目前基于遥感影像的水体提取方法缺乏对于边界质量的重视，造成边界划分不准确，细节保留度低的问题。为了提升遥感影像水体提取的边界与细节的精度，提出了一种基于多尺度特征融合的高分辨率遥感影像水体提取深度学习算法，包括分层特征提取模块与融合多尺度特征的堆叠连接解码器模块。分层特征提取模块中，引入了通道注意力结构，用于整合高分辨率遥感影像中水体的形状、纹理和色调信息，以便更好地理解水体的形状和边界。在融合多尺度特征的堆叠连接解码器模块中，进行了多层次语义信息的堆叠连接，并加强了特征提取，同时捕捉了广泛的背景信息和细微的细节信息，以实现更好的水体提取效果。在自行标注的数据集与公开数据集上的试验结果表明，模型的准确率达到了98.37%和91.23%,与现有的语义分割模型相比，提取的水体边缘更加完整，同时保留细节的能力更强。提出的模型提升了水体提取的精度和泛化能力，为高分辨率遥感影像水体提取提供了参考。