改进U-Net的水岸分割算法

我国水域广阔、多样等特点导致难以使用人工的方式实现全面高效地监测、管理，使用现代信息技术辅助水域管理可以极大地提高效率。水岸分割是水域管理信息化的关键技术，传统的水岸分割算法依赖手工特征提取需要针对特定的环境调整参数，适应性不高不适用于多变的天气条件和复杂的河岸场景。基于学习的方法比传统方法更能适应不同的环境，本文使用基于深度学习的U-Net模型进行水岸分割，并引入空间注意力模块调整不同空间的特征权重，使用图像处理方法模拟环境中的雨雾进行数据增强。实验结果表明模型分割MIoU达97.60%，较已有的算法性能有显著提升。所提模型在极端挑战环境中仍能保持较高的分割准确率，与传统算法相比具有优秀的环境适应性。