-
题名基于双路全局信息优化网络的遥感影像海陆分割算法
- 1
-
-
作者
谢巴图
胡佳睿
潘俊
-
机构
武汉大学测绘遥感信息工程全国重点实验室
-
出处
《测绘通报》
北大核心
2025年第3期52-58,86,共8页
-
基金
国家重点研发计划(2022YFB3902804,2022YFB3902300)。
-
文摘
针对高分辨率遥感影像中靠岸地物对海陆边界精细化分割的影响,本文提出了一种基于双路全局信息优化网络(DGIONet)的遥感影像海陆分割算法。在编码端,该网络设计基于矩形条带卷积的多尺度空间注意力特征提取模块,利用不同尺度下垂直构建的矩形条带卷积实现多尺度大内核卷积效果,依靠提取到的多尺度特征与模块内的点卷积实现空间注意力机制,从而有效提高网络关注海陆大尺度特征的能力,实现海陆全局信息及上下文信息的特征提取。在解码端,该网络设计双路全局信息优化解码器,解码器内依靠深度可分离空洞卷积信息优化模块和Hamburger全局特征恢复模块,分别利用提取到的全局信息及上下文信息实现特征恢复,同时将编码端提取到的阶段特征与阶段恢复特征融合,以实现更好的信息优化。为验证本文方法的有效性,构建分辨率优于0.3 m的高分辨率遥感影像海陆分割数据集,在此数据集基础上进行对比试验。结果表明,相较于目前主流语义分割方法Vision Transformer,本文方法像素精度提高了3.01%,平均交并比提高了10.51%,即在高分辨率遥感影像的精细化海陆分割问题中具有优势。
-
关键词
高分辨率遥感影像
海陆分割
深度学习
卷积神经网络
注意力机制
-
Keywords
high-resolution remote sensing images
sea-land segmentation
deep learning
convolutional neural network
attention mechanism
-
分类号
P237
[天文地球—摄影测量与遥感]
-
-
题名基于无人机高分辨率影像的农作物分类研究
被引量：5
- 2
-
-
作者
张澜
王妮
朱冰雪
李丹
谢巴图
隋智钟
陈圣波
-
机构
吉林大学地球探测科学与技术学院
-
出处
《江西农业学报》
CAS
2022年第2期178-187,共10页
-
基金
吉林大学“大学生创新创业训练计划”创新训练项目(202010183695)。
-
文摘
农作物分类是精准农业中的重要技术之一。为探究多品类作物分类的有效方法,基于无人机高分辨率遥感影像,分别应用基于像元和面向对象分类方法建立了研究区内28类典型农作物分类模型,并采用总体精度、Kappa系数、用户精度、生产者精度对分析结果进行了评价。结果表明:基于像元的最小距离法、马氏距离法、最大似然法、神经网络法和支持向量机的农作物分类结果均存在严重的“椒盐现象”,分类总体精度均低于90%,Kappa系数低于0.9,而面向对象分类法有效解决了地块破碎及作物交织混杂等问题,分类后多数地块完整性良好,更符合实际情况,分类总体精度达91.73%,Kappa系数达0.87。同时,对比分析了2种方法下各类作物的分类结果,发现面向对象分类方法改善了多数作物的分类效果及精度,为基于无人机高分辨率影像的农作物分类提供了参考。
-
关键词
无人机
高分辨率影像
面向对象分类
基于像元分类
农作物分类
-
Keywords
Unmanned aerial vehicle(UAV)
High resolution image
Object-oriented classification
Pixel-oriented classification
Crop classification
-
分类号
S127
[农业科学—农业基础科学]
-
