一种基于全球融合的多尺度方法,用于从无人机图像中提取表面裂
Mingxi Zhou1, Min Ji1,2,3,4, Fengxiang Jin1,2
1College of Geodesy and Geomatics, Shandong University of Science and Technology, Qingdao 266590, China.
Sensors (Basel, Switzerland)
|March 14, 2026
概括
新的MGF-UNet模型准确地提取地面裂,这对于地质危险监测和变形区域的环境保护至关重要. 这种方法提高了安全性,并有助于生态恢复工作.
科学领域:
- 地质科学和遥感技术
- 人工智能在地球观测中的作用
背景情况:
- 在变形区域的地面裂对运营安全和自然环境构成重大风险.
- 长长的形态和裂的大规模变化为准确的特征提取带来了挑战.
研究的目的:
- 开发一个先进的语义细分网络,MGF-UNet,用于准确的自动裂提取.
- 改进复杂地形中的地面裂的检测和特征.
主要方法:
- 在浅层中集成多尺度特征传感 (MFS) 和集成高效多尺度注意力 (EMA).
- 使用标记选择性上下文转换器 (TSCT) 在更深层的语义特征的选择性全球建模.
- 在解码器中使用特征智能线性调制 (FiLM) 进行跨层次交互,以及基于富里埃变换的自适应特征融合 (AFF) 模块.
主要成果:
- 在基准数据集 (MFD和基于道路) 上,MGF-UNet实现了78.2%的准确性,81.4%的子得分和68.6%的IOU.
- 拟议的网络在裂提取任务中表现优于现有的主流网络.
- 在抑制背景噪音和增强延长裂的边界对比度方面已证明有效.
结论:
- 在易变形的环境中,MGF-UNet为自动裂提取提供了有效的解决方案.
- 该方法在加强地质危险监测和支持生态恢复倡议方面具有重大潜力.


