基于改进U-Net的遥感图像道路检测

来源：计算机测量与控制杂志2026年第6期北京时间：

作者：张桐瑞,杨延宁,张佳豪

单位：延安大学 物理与电子信息学院

摘要：针对复杂遥感影像中因道路材质多样、背景复杂以及阴影遮挡等因素所导致的识别精度不高，以及现有模型参数量大等问题，设计了一种基于U-Net的改进模型，用于遥感图像道路检测；首先，在编码器中引入MobileNetV2代替原有的主干提取网路，在保证检测精度的同时大幅度降低计算复杂度；其次，在解码器部分我们引入了深度可分离卷积，该方法将空间特征提取与通道融合拆分处理，以更少的运算量完成对高分辨率路面细节的恢复；最后，引入空间组增强注意力机制，强化模型对空间层级特征的建模能力，从而提升对目标区域的感知精度与检测效果；实验结果表明，相较于对照模型，本文改进模型在马萨诸塞州道路数据集上的mIOU和F1-score分别达到了最高的79.50%和87.46%；实现了检测性能与模型复杂度之间的有效平衡，为遥感影像中的道路提取提供了有力支持。

关键词：U-Net;MobileNetV2;深度可分离卷积;注意力机制;道路检测

基金资助：国家自然科学基金(52365069)