融合光谱指数与高分影像的塑料大棚语义分割模型
准确获取塑料大棚的空间分布及其动态变化信息对农业发展规划、粮食评估、生态环境监测具有重要意义.高分辨率遥感影像可提供精细的塑料大棚形状、边界等细节信息,符合精准农业的发展需求,在重点区域塑料大棚精准调查中具有不可替代的优势.然而,目前基于高分辨率影像的塑料大棚解译模型面临先验信息不足、难以兼顾解译精度和模型复杂度的难题.针对此问题,提出一种融合新型塑料大棚指数(advanced plastic greenhouse index,APGI)与高分红绿蓝(red green blue,RGB)影像的塑料大棚语义分割模型.该模型主要由APGI语义分支、RGB语义分支和RGB细节分支等组成,并使用注意力机制,融合APGI指数包含的可靠先验信息和高分RGB影像提供的空间细节信息.此外,提出一种边界信息引导的模型训练机制,提升模型对塑料大棚边界像素的精确识别能力.研究发现,在注意力机制引导的融合框架下,中分辨率的APGI指数可有效提升高分影像的塑料大棚识别能力.实验证明,所提模型在明显提升塑料大棚解译精度的基础上,大幅精简了语义分割模型的参数量和计算复杂度,满足高分辨率影像塑料大棚快速、精准解译需求.
高分辨率遥感、塑料大棚、语义分割、光谱指数、数据融合
48
P237(摄影测量学与测绘遥感)
国家重点研发计划;国家自然科学基金
2023-10-26(万方平台首次上网日期,不代表论文的发表时间)
共14页
1670-1683