基于RMAU-Net网络模型的高分影像耕地提取 |
| |
引用本文: | 袁鹏,王珂,肖坚.基于RMAU-Net网络模型的高分影像耕地提取[J].湖北农业科学,2023(8):182-188+196. |
| |
作者姓名: | 袁鹏 王珂 肖坚 |
| |
作者单位: | 1. 河海大学,水文水资源学院;2. 河海大学,计算机与信息学院 |
| |
基金项目: | 国家自然科学基金项目(41771358);;广东省水利科技创新项目(2020-04);;中央高校基本科研业务费专项(B210202011); |
| |
摘 要: | 针对传统全卷积神经网络无法实现高分影像耕地精确提取的问题,以高分二号遥感卫星影像为数据源,采用融合残差结构和多种注意力机制的改进U-Net网络模型(RMAU-Net网络模型)对研究区的耕地进行精细提取。使用耕地样本对RMAU-Net网络模型进行训练,并用训练后的网络模型对测试集影像中的耕地进行提取。为了验证RMAU-Net网络模型提取耕地的效果,选取DeeplabV3+、PSPNet、UNet 3种传统的全卷积神经网络模型与RMAU-Net网络模型进行对比分析。结果表明,RMAU-Net网络模型提取的精确率、召回率、交并比、F1 Score分别为90.36%、90.78%、82.57%、90.57%。与DeepLabv3+、PSPNet和U-Net网络模型相比,RMAU-Net网络模型效果最佳。RMAU-Net网络模型为耕地精细提取提供了新的思路与方法,为农作物面积监测和产量估算等实际应用提供基础数据支持。
|
关 键 词: | 高分影像 耕地提取 深度学习 注意力机制 残差结构 RMAU-Net网络模型 |
|