AFMUNet：基于U型结构的注意力特征融合网络用于云和云阴影检测

云检测技术在遥感图像处理中的重要性不言而喻。虽然云检测是一个成熟的研究领域，但在检测冰、雪和沙子等反射表面的云时仍面临挑战。特别是，云阴影的检测在云检测技术中仍然是一个重要的关注点。为了应对上述问题，提出了一种基于U型结构的卷积自注意机制特征融合网络模型。该模型采用基于UNet的编码器-解码器结构。编码器通过下采样提取深层特征，而解码器则通过上采样重建特征图。为了捕捉图像的关键特征，本文引入了通道空间注意模块（CSAM）。该模块结合了自适应视野调整的注意机制。在上采样过程中，选择不同的通道以获取丰富的信息。集成上下文信息以改善边缘细节的提取。上采样和下采样同一层的特征融合得以实现。特征融合模块（FFM）促进了图像在逐像素基础上的位置分布。通过创新的损失函数清晰区分边界。最后，在数据集GF1WHU上的实验结果表明该方法的分割结果优于现有方法。因此，我们的模型对实际云阴影分割具有重要意义。