一種用于DSM局部缺失的深度學習修復算法

作者：官愷,劉智,金飛,韓佳容,芮杰

摘要：受地形、地物遮擋和反射率等影響,機載激光雷達獲得的DSM數據值存在局部缺失。針對此問題,設計了一種基于U-Net改進的深度學習算法,成功地將深度學習圖像修復方法應用于DSM修復。該算法通過在U-Net基礎上結合部分卷積和注意力模塊的方式能有效地減小修復誤差,具有更好的魯棒性。其中,部分卷積可增強不規則缺失邊緣特征的提取能力;注意力模塊能在通道和空間兩個維度增加特征權重自適應學習機制。為了驗證算法的有效性,采用多種方法對兩個地區的DSM數據進行了實驗。實驗結果表明,改進后的算法有效地降低了修復誤差,比傳統U-Net網絡方法降低了約30%;相比于傳統方法誤差更小,在缺失范圍變化上具有更好的魯棒性。

發文機構：信息工程大學 西安測繪總站

關鍵詞：DSM修復深度學習U型網絡部分卷積注意力模塊DSM repairdeep learningU-Netpartial convolutionattention module

分類號： P237[天文地球—攝影測量與遙感]