ResGSSA-UNet:融合GSSA机制的SAR影像水体提取方法OA

为改善合成孔径雷达影像水体提取中存在的细小水体漏提、边缘模糊及对线性水体方向性特征捕捉不足等问题,构建了ResGSSA-UNet模型。该模型构建了一种新型分组空间混洗注意力机制,通过将通道分组与多方向空间注意力深度融合,在轻量化结构中提升对线性水体的提取能力。同时,在UNet框架中引入空洞残差块,从而精准提取不同尺度的水体。实验结果表明,与DeepLabV3+、UNet、ResUNet-a等模型相比,ResGSSA-UNet在水体提取效果上表现最好,交并比和Dice系数达到了85.25%和91.66%,较ResUNet-a提升了1.63%和1.18%。ResGSSA-UNet模型在保持较高推理效率的同时,显著提升了对细小水体、线性水体及复杂边界的识别精度,为复杂场景下的SAR影像水体提取提供了一种高精度、强鲁棒性的新方法。