基于卷积注意力的无人机多光谱遥感影像地膜农田识别

监测地膜覆盖农田的分布对准确评估由其导致的区域气候和生态环境变化有着重要作用，基于DeepLabv3+网络，通过学习面向地膜语义分割的通道注意力和空间注意力特征，提出一种适用于判断农田是否覆膜的改进深度语义分割模型，实现对无人机多光谱遥感影像中地膜农田的有效分割。以内蒙古自治区河套灌区西部解放闸灌区中沙壕渠灌域2018—2019年4块实验田的无人机多光谱遥感影像为研究数据，与可见光遥感影像的识别结果进行对比，同时考虑不同年份地膜农田表观的变化，设计了2组实验方案，分别用于验证模型的泛化性能和增强模型的分类精度。结果表明，改进的DeepLabv3+语义分割模型对多光谱遥感影像的识别效果比可见光高7.1个百分点。同时考虑地膜农田表观变化的深度语义分割模型具有更高的分类精度，其平均像素精度超出未考虑地膜农田表观变化时7.7个百分点，表明训练数据的多样性有助于提高地膜农田的识别精度。其次，改进的DeepLabv3+语义分割模型能够自适应学习地膜注意力，在2组实验中，分类精度均优于原始的DeepLabv3+模型，表明注意力机制能够增加深度语义分割模型的自适应性，从而提升分类精度。本文提出的方法能够从复杂的场景中精准识别地膜农田。

Convolutional Attention Based Plastic Mulching Farmland Identification via UAV Multispectral Remote Sensing Image