基于改进UNet3+的露天矿无人机影像阴影提取

来源：电子测量技术杂志2025年第13期北京时间：

作者：杜孙稳，宋瑞婷，高志宇，史淼，张浩然

单位：太原理工大学地球科学与测绘工程学院 太原 030024

摘要：利用无人机技术获取露天矿区地表正射影像图可以快速有效的实现对矿区地表形态的全面监测与分析。然而，阴影在露天矿无人机正射影像图中普遍存在，既干扰了部分地物信息的获取、还降低了无人机影像的解译和识别精度。针对目前矿区阴影提取的研究较少，现有方法不能满足露天矿阴影识别的需求，同时也未建立露天矿区阴影数据集等问题，首次采用人工标注的方法构建一组露天矿区无人机正射影像阴影数据集。模型基于UNet3+，提出了一种结合混合注意力机制（CBAM）与深度可分离卷积层（DSC）的阴影提取方法。通过引入ResNet特征提取器，对原始影像进行五个尺度上的特征提取，根据提取到的特征进行全尺度跳跃连接实现特征融合，并引入CBAM注意力机制，以增强有用的特征，最终通过深度监督机制及解码器恢复的特征图预测每个像素的类别。对比4种典型的目标提取网络FCN、UNet、UNet++、UNet3+。结果表明，所提方法与Unet3+网络相比，在mPrecision、mRecall、mF1和mIoU四个指标上分别提升了4.9%、0.44%、2.24%、4.51%。在AISD公开数据上对比多种已有的阴影提取方法，结果表明，所提方法与残差监督网络相比，F1与IoU提高了0.27%、2.62%，证明该方法在阴影提取方面具有准确性，适合应用于露天矿区无人机影像中阴影提取。

关键词：露天矿区阴影数据集;混合注意力机制;UNet3+;深度可分离卷积;跳跃连接

基金资助：国家自然科学基金（U21A20107）、山西省基础研究计划面上项目（202203021211156）资助