科研之友
微信
新浪微博
Facebook
分享链接
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。
- 出版日期2021
- 单位北华航天工业学院; 西华师范大学; 中国科学院高能物理研究所
