基于RMAU-Net网络模型的高分影像耕地提取

来源：湖北农业科学杂志2023年第8期北京时间：

作者：袁鹏a, 王珂a, 肖坚b

单位：河海大学,a.水文水资源学院; b.计算机与信息学院,南京 210098

摘要：针对传统全卷积神经网络无法实现高分影像耕地精确提取的问题,以高分二号遥感卫星影像为数据源,采用融合残差结构和多种注意力机制的改进U-Net网络模型（RMAU-Net网络模型）对研究区的耕地进行精细提取。使用耕地样本对RMAU-Net网络模型进行训练,并用训练后的网络模型对测试集影像中的耕地进行提取。为了验证RMAU-Net网络模型提取耕地的效果,选取DeeplabV3+、PSPNet、U-Net 3种传统的全卷积神经网络模型与RMAU-Net网络模型进行对比分析。结果表明,RMAU-Net网络模型提取的精确率、召回率、交并比、F1 Score分别为90.36%、90.78%、82.57%、90.57%。与DeepLabv3+、PSPNet和U-Net网络模型相比,RMAU-Net网络模型效果最佳。RMAU-Net网络模型为耕地精细提取提供了新的思路与方法,为农作物面积监测和产量估算等实际应用提供基础数据支持。

关键词：高分影像,耕地提取,深度学习,注意力机制,残差结构,RMAU-Net网络模型

基金资助：国家自然科学基金项目（41771358）; 广东省水利科技创新项目（2020-04）; 中央高校基本科研业务费专项（B210202011）