改进DeepLabV3+网络的遥感影像农作物分割方法

摘要：

针对于当前遥感影像农作物提取存在的识别精度较低、边缘识别效果较差、提取速度慢等问题,提出了一种改进DeepLabV3+网络的遥感影像农作物分割方法.将特征提取网络改为更轻量级的MobileNetV2网络,空洞空间金字塔池化模块中的普通卷积改为深度可分离卷积,大幅减少模型计算量,提高模型计算速度;在特征提取模块以及空洞空间金字塔池化模块加入双注意力机制,进一步优化模型边缘识别效果,提升模型分割精度.此外针对农作物数据集类别不平衡问题,引入加权损失函数,给予玉米、薏米与背景类不同的权重,提高模型对农作物区域分割精度.以2019年某地区的无人机遥感影像为研究对象,对玉米、薏米两种农作物进行分割.实验结果表明,改进DeepLabV3+算法像素准确率可达到93.9％,平均召回率可达到90.7％,平均交并比可达到83.3％,优于传统DeepLabV3+、Unet、Segnet等常用于农作物提取的分割方法,对农作物具有更好的分割效果.

关键词：农作物分割、双注意力机制、加权损失函数、无人机遥感影像

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：山西省自然科学基金面上项目201901D111052

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：215-223