基于Psi-Net深度学习网络的高空间分辨率遥感影像地块尺度的耕地提取

来源：湖北农业科学杂志2024年第11期北京时间：

作者：马海荣, 沈祥成, 罗治情, 陈娉婷, 郑明雪, 官波

单位：湖北省农业科学院农业经济技术研究所/湖北省农业科技创新中心农业经济技术研究分中心/湖北省乡村振兴研究院,武汉 430064

摘要：将语义分割和边缘检测深度学习网络结合,构建Psi-Net深度学习网络。结果表明,Psi-Net深度学习网络能有效识别耕地,绝大部分耕地被有效提取出来,正确率（Accuracy）为96.3%,生产精度（PA）为98.1%,用户精度（UA）为97.1%。Psi-Net深度学习网络在耕地地块边界识别时有了耕地范围的限定,减少对非耕地地块边界的识别,完备性为74.3%,正确性为80.2%,质量为62.8%。Psi-Net深度学习网络可以有效识别面状耕地范围,并且在耕地范围的限制下,提取的地块尺度耕地边界均落在耕地范围内,不会对耕地外的地块边界进行识别,有效减少了似地块边界提取噪声的影响。

关键词：Psi-Net深度学习网络,高空间分辨率,耕地地块,遥感影像

基金资助：湖北省自然科学基金一般面上项目（2022CFC047）; 国家自然科学基金青年科学基金项目（NSFC42201397）