Für die Aufgabe der Gewässersegmentierung in Fernerkundungsbildern wurde ein verbessertes UNet-Netzwerk mit einem multiskaligen Fusionsaufmerksamkeitsmodul – A-MSFAM-UNet – vorgeschlagen. Diese Methode realisiert eine End-to-End-Segmentierung von hochauflösenden Fernerkundungsbildern bei der Gewässersegmentierungsaufgabe mit GF-2-Daten. Zunächst wurde zur Behebung des Problems der lokalen Informationsunempfindlichkeit durch globale Pooling-Operationen in bisherigen Aufmerksamkeitsmodulen ein Multiskaliges Fusionsaufmerksamkeitsmodul (MSFAM) entwickelt, das Punktfaltung zur Fusion globaler Kanalinformationen und tiefen-separable Faltung zur Kompensation des Informationsverlusts beim globalen Pooling verwendet. MSFAM wird im Merkmalsfusionsteil nach den UNet-Skip-Verbindungen eingesetzt, um die Gewichte der Merkmals-Punkte neu zuzuweisen, die Effizienz der Merkmalsfusion zu verbessern und die Fähigkeit des Netzes zur Aufnahme von Informationen auf verschiedenen Skalen zu stärken. Zweitens wird dilatierte Faltung im VGG16-Backbone verwendet, um das Empfangsfeld zu erweitern und globale Informationen ohne Auflösungsverlust zu aggregieren. Die Ergebnisse zeigen, dass A-MSFAM-UNet andere UNets mit Kanalaufmerksamkeitsverbesserungen (SENet, ECANet) übertrifft und im GF-2-Wassersegmentierungsdatensatz durchschnittliche Überlappungs-, Pixelgenauigkeits- (MPA) und Genauigkeitswerte (Acc) von 96,02 %, 97,98 % bzw. 99,26 % erreicht.

Fernerkundungsbilder;Aufmerksamkeitsmodul;tiefenseparable Faltung;Merkmalsfusion;dilatierte Faltung