基于深度学习的黑臭水体遥感信息提取模型

摘要：

黑臭水体分布广泛,严重损害人民的居住环境和城市整体美观形象.以河北省廊坊市为研究区,利用高分二号(GF-2)多光谱数据和实测数据,使用PSPNet(Pyramid Scene Parsing Network)和U-Net模型对黑臭水体遥感信息提取进行对比实验研究.基于可见光波段(RGB)及近红外波段(NIR)计算归一化差异植被指数(NDVI)和归一化差异黑臭水体指数(NDBWI),针对细小形状的黑臭水体普遍存在的漏检问题,引入注意力机制模块对模型进行优化改进,构建改进型深度学习黑臭水体遥感信息提取模型.结果表明:输入RGB+NIR+NDVI+NDBW六通道组合遥感影像并引入注意力机制的U-Net网络模型对黑臭水体的提取结果最佳,其精度评价指标F1-srore、MIoU、Recall分别达到了0.8645、0.8681、0.8359.

关键词：黑臭水体、深度学习模型、PSPNet网络模型、U-Net网络模型、GF-2卫星、遥感信息、注意力机制

所属期刊栏目：39

分类号：P237;X824;S157(摄影测量学与测绘遥感)

资助基金：民用航天十三五预研技术项目;福建省自然科学基金项目

在线出版日期：2022-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：156-162