一种用于DSM局部缺失的深度学习修复算法

受地形、地物遮挡和反射率等影响,机载激光雷达获得的DSM数据值存在局部缺失.针对此问题,设计了一种基于U-Net改进的深度学习算法,成功地将深度学习图像修复方法应用于DSM修复.该算法通过在U-Net基础上结合部分卷积和注意力模块的方式能有效地减小修复误差,具有更好的鲁棒性.其中,部分卷积可增强不规则缺失边缘特征的提取能力;注意力模块能在通道和空间两个维度增加特征权重自适应学习机制.为了验证算法的有效性,采用多种方法对两个地区的DSM数据进行了实验.实验结果表明,改进后的算法有效地降低了修复误差,比传统U-Net网络方法降低了约30％;相比于传统方法误差更小,在缺失范围变化上具有更好的鲁棒性.