数字农科院2.0

基于改进Unet++的丘陵地区耕地地块深度分割与提取

文献类型： 中文期刊

作者： 张海天;高懋芳;任超

作者机构：

关键词： 丘陵耕地;多尺度分割;Unet++;迁移学习;遥感影像

期刊名称：航天返回与遥感

ISSN： 1009-8518

年卷期： 2022 年 43.0 卷 4 期

页码：

收录情况： 北大核心（2020版） ; CSCD（2021-2022年度） ; 科技核心（2021版）

摘要： 丘陵地区耕地地块具有结构复杂、种植类型多样且破碎度高等特点,针对传统分类方法对耕地信息难以快速准确提取的问题,文章基于“高分一号”卫星影像和Unet++网络模型,采用余弦退火学习率实现了复杂丘陵地区耕地信息的准确深度分割和分类。首先利用多尺度分割方法完成了深度迁移学习模型中典型区域耕地样本标签的制作及其结果验证；其次,采用规则格网裁切方法构建影像和标签训练数据集,在PyTorch环境完成了模型的训练；最后,将改进后模型与Unet和SVM方法进行了分类精度和泛化性能的对比分析。结果表明:改进的Unet++网络模型在复杂丘陵地区耕地提取结果的总体精度为92.75%,比SVM和Unet的提取精度分别提高了9.06%和2.50%。因此,基于Unet++的深度学习模型不仅能够有效抑制复杂的背景噪声,还能从遥感影像中学习到更强的语义特征,从而获得更加准确的耕地信息。该方法可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。

分类号：

  • 相关文献

[1]一种耦合边缘检测算子的多尺度自适应分割方法研究. 赖林潇,陆苗,陈德超,温彩运. 2024

[2]稀疏分层概率自组织图实例迁移学习方法. 吴蕾,田儒雅,张学福. 2016

[3]基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别. 魏靖,王玉亭,袁会珠,张梦蕾,王振营. 2020

[4]基于迁移学习和卷积神经网络的生菜鲜重估测. 崔庭源,杨其长,张义,徐丹,马浚诚. 2022

[5]融合迁移学习和集成学习的自然背景下荒漠植物识别方法. 王亚鹏,曹姗姗,李全胜,孙伟. 2023

[6]基于迁移学习的嫩江市主要农作物遥感分类. 吴禹瑨,李禹萱,宋茜,任超,冷佩. 2023

[7]基于决策树分类技术的遥感影像分类方法研究. 姜丽华,杨晓蓉. 2009

[8]基于Web草原遥感影像与专题图半透明叠加系统的初步实现. 张冬梅,袁清,刘述彬,陆忠军,王加亭. 2008

[9]基于BP神经网络的马铃薯遥感识别图像数据分析研究. 周扬帆,陈佑启,邹金秋,何英彬. 2017

[10]近10年嫩江市大豆种植结构空间演变研究. 周鑫洋,黄青,刘航. 2023

[11]基于改进SIFT算法的无人机遥感影像快速拼接. 王超,雷添杰,张保山,徐瑞瑞,陈东攀. 2022

[12]基于Landsat 8和机器学习的塔城地区草地地上生物量估测模型. 杨延晓,曹姗姗,李全胜,张鲜花,孙伟. 2024

[13]基于SAM的田块提取方法在田块平整成效评价中的应用研究. 郝雪丽,李会宾,段玉林,尚国琲,余强毅. 2023

[14]2023年新疆塔城地区草地类型Landsat8影像训练数据集. 杨延晓,李全胜,胡林,张鲜花,孙伟. 2025

作者其他论文 更多>>