基于卷积神经网络和数据融合的筏式养殖区提取
准确提取海水筏式养殖区信息对于海洋资源管理和环境监测具有重要意义,但是筏式养殖区养殖筏因淹没于水中常出现数据弱信号区域的现象,导致仅凭光学影像提取精度较低.因此,本文以威海荣成湾为研究区域,通过添加通道注意力机制改进U-Net神经网络并结合高分 2号光学影像光谱信息以及高分 3号雷达影像纹理信息,尝试提高筏式养殖区提取精度.结果表明:(1)无论是对于单一的光学影像还是光学和雷达影像融合影像,添加通道注意力机制的U-Net神经网络预测结果总体精度都会提高,提高幅度在 2.21%~4.12%之间.(2)利用改进后的U-Net神经网络处理融合数据,总体精度达到 95.75%,相对于仅用高分 2号影像的精度高 4.3%;(3)对于弱信号区域,利用改进网络以及融合数据提取的总体精度和Kappa系数分别为 91.61%和 0.827 7.该方法可以对海洋筏式养殖区弱信号区域进行有效提取,能够为海洋养殖面积统计以及海洋环境检测提供技术支持.
筏式养殖区、弱信号区域、通道注意力机制、U-Net、影像融合
45
P751(海洋工程)
山东省自然科学基金ZR2022MD002
2023-11-23(万方平台首次上网日期,不代表论文的发表时间)
共11页
155-165