改进U-Net的小宗作物遥感图像分割研究  

作　　者：陈燕生 赵丽娜 吴亚娟[1] 田传召 朱广林 

机构地区：[1]西华师范大学计算机学院,四川南充637000 [2]中国科学院高能物理研究所多学科研究中心,北京100049 [3]北华航天工业学院遥感信息工程学院,河北廊坊065000

出　　处：《科学技术创新》2021年第14期11-14,共4页Scientific and Technological Innovation

摘　　要：利用高分辨率遥感图像准确地获得农作物的空间分布信息,在农作物估产研究中有重要的意义。针对小宗作物分布零散、数据量少的实际问题,基于国产高分二号(GF-2)遥感图像,以芝麻为研究样例,使用基于U-Net自主改进的卷积神经网络mU-ResPlus,对遥感图像进行高精度分割研究。首先减少U-Net网络层数,然后使用多个反卷积融合图像浅层与深层的特征,并且引入残差块,实现网络的精细化分割效果。实验结果表明,mU-ResPlus的准确率和Kappa系数分别为87.4%和0.747,图像分割的边缘精细度上也有较大提升,在小宗作物图像分割研究上具有较高的应用前景。

关 键 词：高分辨率遥感图像 高分二号 小宗作物 深度学习 U-Net 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置]