基于改进DeepLabV3+网络的卫星遥感图像林地提取

孟芳芳; 许浩; 方薇; 张冬英; 张文涛

doi:10.13741/j.cnki.11-1879/o4.2023.06.013

您当前的位置：

首页 >

文章列表页 >

基于改进DeepLabV3+网络的卫星遥感图像林地提取

光学图像处理 | 更新时间：2025-09-01

- 基于改进DeepLabV3+网络的卫星遥感图像林地提取
- Forest land extraction from satellite remote sensing images based on improved DeepLabV3+ network
- 光学技术 2023年49卷第6期页码：743-749
- 作者机构：
  
  1. 1:合肥学院先进制造工程学院
  2. 2:中科院合肥物质科学研究院智能机械研究所
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(61973290)
- DOI：10.13741/j.cnki.11-1879/o4.2023.06.013
  中图分类号： S771.8;TP751
- 纸质出版：2023
- 稿件说明：
移动端阅览
孟芳芳, 许浩, 方薇, 等. 基于改进DeepLabV3+网络的卫星遥感图像林地提取[J]. 光学技术, 2023,49(6):743-749.

Forest land extraction from satellite remote sensing images based on improved DeepLabV3+ network[J]. 2023, 49(6): 743-749.
孟芳芳, 许浩, 方薇, 等. 基于改进DeepLabV3+网络的卫星遥感图像林地提取[J]. 光学技术, 2023,49(6):743-749. DOI： 10.13741/j.cnki.11-1879/o4.2023.06.013.

Forest land extraction from satellite remote sensing images based on improved DeepLabV3+ network[J]. 2023, 49(6): 743-749. DOI： 10.13741/j.cnki.11-1879/o4.2023.06.013.

摘要

针对普通卷积神经网络在遥感图像分割中林地边界区域识别不完整、小片林地分割精度低的问题，提出一种基于transformer与注意力机制的DeeplabV3+网络改进方法。在编码阶段引入transformer机制，将原池化金字塔部分中的空洞卷积操作替换为可获取更多上下文信息的transformer操作，从而提高网络对林地边界信息的提取能力；将注意力机制引入到网络的解码部分，提升模型对小片林地的检测能力。实验表明，采用改进后的方法平均交并比(MIou)可达到81.83%

对比原DeepLabV3+网络模型提升了1.25%。该方法充分考虑了卫星遥感图像分割中林地边缘信息的提取以及对小目标的关注度，提出的改进方法可提升遥感图像中对林地提取的精度。

Abstract

关键词

Keywords

references

浏览量

317

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于注意力卷积神经网络的动态手势识别研究

基于YOLOv4-tiny的遥感图像飞机目标检测技术研究

静止卫星遥感图像海岸线检测

基于感兴趣区域的海洋卫星遥感图像压缩算法

Matlab在遥感图像杂散光处理中的应用